在闲鱼蹲东西，麻烦不在搜不到，是搜出来的东西太脏。你搜 MacBook Air M1，它混进 Intel Air、Intel Pro；AI 后面就算判断无关，结果页里还留着，价格曲线也被带歪。

ai-goofish-monitor 的 issue #479 说的就是这个。用户要的不是更玄的 prompt，而是把无关商品从结果和统计里剔出去。这个切口很准，也基本说明了这个项目为什么会火——到 2026 年 7 月 11 日，仓库 13.5k stars、2,038 forks，已经归档。

它不该被看成「AI 捡漏神器」。更准确地说，它是一个本地闲鱼监控后台，把搜索、详情、卖家、图片、价格历史、AI/关键词判断和通知串成一条线。

先把它看成后台

如果只是定时搜一个关键词，几十行脚本就够了。这个项目没往小脚本写。它有 FastAPI 后端、Vue 管理台、SQLite 数据、账号状态、任务管理、结果页、运行日志、系统设置。第一次用，还要通过浏览器扩展导出闲鱼登录状态 JSON，再放进账号管理。

这套结构默认你会长期盯多个关键词：给不同商品写筛选规则，看价格走势，等命中后再通知。它解决的是持续运行的问题，不是跑一次看个热闹。

源码里也能看出来。真正跑任务时，Playwright 先打开闲鱼，用移动端上下文访问，监听搜索和详情接口返回，再补卖家信息、商品图片、价格快照。最后才轮到 AI 或关键词规则做判断。

AI 不是主角

项目名叫 AI Xianyu Hunter，容易让人以为 AI 是核心。代码里不是这样。AI 更像最后一段筛选器，前面的大部分活都是采集、整理、去重和补上下文。

任务有两种判断方式：AI 模式和关键词模式。关键词模式不调模型，直接把标题、描述、卖家信息拼起来按规则匹配。代码还处理了英文数字关键词边界，避免 q1 误伤 q1r5 这种长串。

AI 模式也不是直接把标题扔给模型。商品详情、图片、卖家信息、价格历史先拿齐，再一起喂进去。模型不稳时，代码会重试空响应，在 Chat Completions 和 Responses API 之间切换，JSON 格式不支持就退一步。

这层不是魔法按钮。它需要能看图的多模态模型，文本模型不行；本地模型会遇到 response_format；有的服务会返回空内容；token 成本也要算。AI 在这里是依赖项，不是免维护能力。

价格曲线最怕脏数据

这个项目后期真正有价值的方向，是价格历史和结果治理。它会按关键词存价格快照，算当前均价、历史均价、最低价、最高价，再把这些放进结果页，也放进 AI 判断上下文。

好处在这里，风险也在这里。只要搜索结果脏，曲线就脏。MacBook Air M1 里混进 Intel 机型，iPhone Pro 里混进 Pro Max，市场价一歪，后面的推荐也会跟着歪。issue #479 后来加了结果黑名单和隐藏字段，补的正是这个洞。

更麻烦的是同关键词多任务。同一个关键词下建多个任务，结果文件和去重逻辑共享，可能让另一个任务该看的商品被跳过。这个问题已经不是 prompt 问题，而是数据模型和老用户兼容问题。

风控才是上限

这类工具的天花板不在 AI，在闲鱼本身。源码里专门识别 baxia-dialog、J_MIDDLEWARE_FRAME_WIDGET、FAIL_SYS_USER_VALIDATE。碰到以后，它不会继续硬扫，而是打印 CRITICAL BLOCK DETECTED，随机休眠，再抛 RiskControlError。

风控不是偶发小问题。有人跑两天后复发，有人手动执行一次也触发。风控和频率、账号、环境都有关系。所以别把它想成全天候扫货机器，它更适合帮你长期观察相对合适的商品，省掉反复翻列表、比价格、看卖家的时间。

别按成品软件预期它

本地测试能看出它的主体还算扎实：117 项测试里 112 项通过。失败的 5 项主要落在 Windows 临时文件替换、NO_PROXY 环境变量、JSONL 结果字段变化、dockerignore 路径预期这些边角，不是主链路整体崩掉。

但归档项目就是归档项目。模型接口会变，闲鱼风控会变，登录态会过期。安全边界也要放低调一点——PR #489 修过 prompts 接口在 Windows 下的路径穿越问题（CVE-2026-10044），当前 master 已经改成 Path.resolve 加目录包含性检查。

谁适合折腾

如果只是偶尔买个耳机、手表，别折腾。Docker、模型、登录态、风控加起来，可能比你自己刷闲鱼还费劲。

如果你长期盯相机、显卡、手机、手表这类高价品，而且愿意把它当成本地私有系统维护，那它值得看。它真正值得学的不是某个提示词，而是这条顺序：先拿齐商品和卖家数据，再沉淀价格历史，最后让 AI 或关键词规则判断。

二手交易这种场景里，AI 单独上场很容易乱判。前面那堆脏活累活，才是它能不能判断准的前提。

项目地址：github.com/Usagi-org/ai-goofish-monitor