前言

常在"海鲜市场"（闲鱼）蹲二手的朋友，大概都有过这种体验：看中一件东西，价格一直没到自己心理价位，只能时不时掏出 App 翻一下，生怕错过低价被别人秒走。手动蹲太累，还容易漏，于是就想找个能24 小时自动盯着价格、到价就提醒的工具。

今天介绍的 AI Goofish Monitor（ai-goofish-monitor） 就是干这个的：通过 Docker 一键部署到 NAS 上，全天候监控你关注商品的价格，定时把结果推送到手机，再配合 AI 用自然语言帮你过滤掉一堆垃圾信息，只把真正值得买的低价好货挑出来。我实际体验过一段时间，还挺有用的。项目地址：https://github.com/Usagi-org/ai-goofish-monitor

适用人群：经常在闲鱼淘货、想捡漏但又不想时刻盯屏的朋友；也适合做二手价格监控研究。注意要合规使用，仅监控自己关注的合法商品。

它到底怎么工作的：四段链路

在动手部署前，先把这个系统的工作链路讲清楚，这样后面配置每一样东西时你都知道"为什么需要它"：

① 抓取  →  ② 去重/存库  →  ③ AI 筛选  →  ④ 推送到手机
（关键词       （sqlite 记        （多模态模型       （邮件/企业微信/
  定时搜索）      价格历史）        看文案+看图）      TG/Server酱）

四个环节各自解决一个问题：

• ① 抓取：按你设定的关键词和分类定时搜索，把当前在售商品的信息拉下来。这一步决定你能看到多少货。

• ② 去重 / 存库：同一件商品反复出现很正常（卖家改价重发、多个卖家挂同款），系统用 sqlite 记录，避免重复推送，同时攒下价格历史。

• ③ AI 筛选：这是它区别于"普通价格提醒脚本"的核心——用自然语言描述你的需求（"只要 9 成新以上、无拆修、原装配件齐全"），让模型判断商品描述和图片是否符合。不合格的直接丢掉。

• ④ 推送：把通过筛选的商品推到你手机上，附上 AI 给的购买建议。

理解了这个链路，就能明白为什么下面有个配置项叫"必须配多模态模型"——因为第 ③ 步要看图。

部署方法

1. 在 NAS 上把项目文件拉取下来并进入目录：

git clone https://github.com/Usagi-org/ai-goofish-monitor && cd ai-goofish-monitor

2. 修改 docker-compose 里的镜像地址。默认镜像可能拉取慢或被墙，下面的代码已经替换成国内加速源（南大 ghcr 代理），可以直接复制替换：

services:
  app:
    image: ${APP_IMAGE:-ghcr.nju.edu.cn/usagi-org/ai-goofish:latest}
    container_name: ai-goofish-monitor-app
    pull_policy: always
    init: true
    ports:
      - "8000:8000"
    env_file:
      - .env
    environment:
      APP_DATABASE_FILE: /app/data/app.sqlite3
    volumes:
      - ./.env:/app/.env
      - ./data:/app/data
      - ./state:/app/state
      - ./config.json:/app/config.json
      - ./prompts:/app/prompts
      - ./jsonl:/app/jsonl
      - ./logs:/app/logs
      - ./images:/app/images
      - ./price_history:/app/price_history
    restart: unless-stopped

上面挂载了很多目录（data、logs、images、price_history 等），作用是让监控数据、日志、抓到的商品图都能持久化保存在 NAS 本地，容器重建不丢数据，不用去动它们，保持默认即可。

顺便说下几个挂载目录各自的职责，出问题时好排查：

images 是最需要关注的——监控几十个关键词跑一个月，这个目录可能攒到几个 GB，定期清理不会影响功能。

3. 把示例配置 .env.example 复制一份成 .env。相关配置项此时可以先不改，等会用 Web 界面配置更方便：

cp .env.example .env

4. 构建并启动：

docker compose up -d

使用方法

1. 浏览器访问 http://NAS的IP:8000，用默认管理员账号密码登录（admin / admin123，登录后记得改掉）：

2. 添加海鲜市场账号：按页面提示安装配套浏览器扩展，用扩展抓取你的登录信息授权给系统。可以同时添加多个账号，多账号轮询能降低风控：

3. 添加消息推送渠道：系统支持多种推送方式（邮件、企业微信、Telegram、Server酱 等），选一个你常用的配置好，这样监控到低价能第一时间通知到你手机：

4. 添加 AI 模型：这个项目的核心卖点就是用 AI 帮你筛商品。注意——要开启图片识别（看图判断成色、是否翻新等），必须配一个多模态模型（支持视觉的），纯文本模型只能看文字描述：

5. 创建监控任务：把你关注的关键词、目标价、要盯的分类填进去：

6. 开启任务，可以设置定时轮询，也可以手动触发一次：

7. 查看结果：系统会列出监控到的商品，并给出 AI 生成的购买建议（价格是否划算、成色如何、值不值得入手），帮你快速决策：

8. 想看系统运行情况，可以在后台日志里查看任务执行记录和报错信息，排查问题都靠它：

多账号轮询为什么能降风控

这一步值得单独解释，因为很多人是看到"多账号"就随便加了两个，其实不清楚原理。

平台判断异常访问，主要看这几个信号：单账号的请求频率、访问时段规律、行为模式。监控脚本的固定间隔轮询恰好全踩在上面——比如「每 30 秒一次，从早 8 点到晚 12 点，只搜不聊不买」，这在风控看来就是明显的机器行为。

多账号轮询的思路是把请求分散到不同的账号上，让单个账号的频率降下来：

不用多账号：账号 A 每 30 秒搜 1 次   → 频率特征极明显
用多账号：  A / B / C 轮流，各 90 秒 1 次 → 单个账号频率降为 1/3

所以配置时有个原则：账号数量 × 轮询间隔，要保证单账号的请求频率落在"真人使用"的范围内。加账号但不改间隔，等于没加。

还要注意：多账号不是越多越好。每个账号都要从扩展里导出登录态，等于把多个账号的凭据存在同一台 NAS 上，一旦这台机器被访问到，影响面反而更大。两三个够用。

关于合规与风险，必须说清楚

这类工具绕不开几个现实问题，写在这里供你判断：

1. 登录态（Cookie）的敏感性：授权过程本质是把你的登录凭据交给这个系统。它存在你的 NAS 上，比交给第三方安全，但仍然建议——用于监控的账号，别用你交易记录最多、绑定最多的主号。

2. 平台规则：自动化抓取大概率不符合平台的服务条款。频率越低、越接近真人行为，风险越小；狂刷式的监控除了账号风险，也可能给卖家带来困扰。请仅用于自己正当的购物比价。

3. AI 判断不是保证：模型看图和文案给的建议，仅供参考。成色、是否翻新这类判断，卖家一张打光照片就能骗过模型。最终决策还是自己看实物、聊清楚再下单。

4. 不要用来做转卖囤货：脚本化扫货会挤占普通买家的机会，也不符合平台生态。工具的定位是"帮你看住自己想要的那件东西"。

使用感受与建议

我试用下来感觉还挺好用的，最省心的是不用自己盯着，到价自动推。唯一的要求是对 AI 模型的质量要求较高——模型越聪明，它对"垃圾信息"的过滤和对商品的判断就越准；如果用的模型偏弱，建议结果可能会比较泛。

几个实用小建议：

• 监控任务别设得太频繁，适度轮询既能及时抓到低价，也能降低账号风控概率；

• 商品描述里带上"成色、有无瑕疵"这类关键词，能让 AI 判断得更准；

• 想低调运行又怕占资源的，可以把轮询间隔拉长，NAS 负载很小。

作者还提供了本地一键安装脚本，不想用 Docker 或没装 NAS 的朋友，可以直接在 Linux 服务器上跑官方脚本装，有需要可以自行尝试。

同类思路：把"定期抓取 + 到点提醒"用在别处

这套"定时抓取 → 条件筛选 → 推送通知"的模式其实很通用，不止二手比价。如果你关心的是另一类数字变化——比如自选股的行情感兴趣，同样的结构可以做出一个「自选股行情自动分析、定时推送到企业微信/飞书」的小系统，也是 Docker 一键部署，思路完全一致。

另外，如果这个工具的"多人在线协作看数据"让你觉得有意思，那自建一个旅行规划工具 TREK 是同一路思路——把 PC 上得靠第三方平台完成的协同，搬到自己的 NAS 上。

结尾

一句话总结：把"蹲闲鱼低价"这件事交给 24 小时在线的 NAS + AI，想捡漏又懒得刷屏的朋友值得一试。

不过还是那句话：工具帮你省的是"盯着看"的时间，不替你做判断。真到下单那一步，该问的要问、该验的要验。有问题欢迎在评论区交流。