前言
我在闲鱼蹲东西时，最烦的从来不是“不会搜”，而是得不停刷新。价格合适的机器可能刚出现没多久就被拍走，关键词设得宽一点，又会混进一堆配件、故障机、虚假低价和完全不搭边的结果。真要同时盯几个品类，靠人一直刷页面很快就变成体力活。对我来说，这种重复工作很适合先交给程序：它负责持续搜、按条件过滤，再让 AI 做第一轮判断，我只看那些更接近需求的候选。这样做不是为了让系统替我下单，而是先把最机械、最容易浪费时间的那一段流程自动化掉。
这次我把 ai-goofish-monitor 部署到 RK3566 的 ARM 飞牛 NAS 上，通过一键脚本完成基础配置，再添加闲鱼账号、创建商品监控任务，实际跑了一轮关键词、价格、地区、包邮等条件筛选，并查看每件商品的 AI 分析结果。模型配置里使用第三方中转平台，模型项填写 gpt-5.5。最后再用 cpolar 把 8000 Web 后台提供到公网，先验证随机地址，再配置固定二级子域名 xianyu01。我会把“自动监控”“AI 初筛”和“最终购买判断”分开：系统可以替我减少重复浏览，但卖家信用、商品成色、维修情况和描述真实性，还是要自己确认。
1. ai-goofish-monitor 到底帮我省掉哪一步？
ai-goofish-monitor 是一个基于 Playwright 与 AI 的开源闲鱼监控系统。
项目地址：
https://github.com/Usagi-org/ai-goofish-monitor
它不是单纯定时搜关键词，而是把几层工作接在一起：
持续搜索 → 条件筛选 → 抓取商品详情和图片 → AI 分析 → 结果展示 / 通知。
任务可以分别设置：
- 关键词；
- 价格范围；
- 发布时间；
- 地区；
- 是否包邮；
- AI Prompt。
功能入口里还包括账号与代理管理、企业微信、Bark、Telegram、ntfy.sh、Webhook 等通知方式。
这次真正动手跑的是：
账号添加 → 创建任务 → 条件筛选 → 手动执行 → 运行日志 → AI 分析结果。
通知和代理这些扩展先不混进主线。
2. 为什么把它放到飞牛 NAS 上？
这种工具最适合放在一台能长期在线的机器上。
我这次用的是 RK3566 小主机，已经刷好 ARM 版飞牛 NAS。
飞牛本身支持 Docker，所以不需要再单独安装 Docker。
先打开飞牛桌面的：
Docker
确认服务已经启动。
接着进入：
系统设置 → SSH
把 SSH 打开。
Windows 电脑按：
Win + X
打开管理员终端 / PowerShell。
然后连接飞牛 NAS：
ssh n1@192.168.50.212
切换到 root：
sudo -i
到这里，后面的部署都可以直接在终端完成。
3. 用一键脚本部署 ai-goofish-monitor
切换到 root 以后，执行：
curl -fsSL https://gitee.com/jun-wan/script/raw/master/ai-goofish-monitor_deploy/deploy.sh -o /tmp/deploy-ai-goofish-monitor.sh && chmod +x /tmp/deploy-ai-goofish-monitor.sh && /tmp/deploy-ai-goofish-monitor.sh
脚本启动后输入：
1
开始部署。
接下来会依次填写一些基础配置，包括：
- 部署位置；
- Web 访问端口；
- 管理员用户名；
- 管理员密码；
- 大模型配置。
这次模型提供商选择的是第三方中转平台，模型项填写：
gpt-5.5
同一套配置里还列出了其他支持视觉输入的模型示例，例如：
- Kimi-K2.7-Code
- Qwen3.6-27B
这里我会多留一个心眼：商品分析会接触标题、描述和图片，如果模型走第三方 API，中转平台本身就是数据链路的一部分。除了看模型效果，也要自己判断 API Key、调用内容和平台可信度是否符合自己的使用习惯。
配置完成后，脚本会继续拉取镜像并启动项目。
部署完成以后，终端会输出访问地址和管理员信息。
把地址复制到浏览器。
页面能够正常打开以后，先确认管理后台已经跑起来。
4. 第一步不是建任务，而是先把闲鱼账号加进去
进入后台以后，先到：
账号管理
按照页面提示添加闲鱼账号。
这一层是后面任务执行的基础。
如果账号侧本身不可用，任务参数写得再细也没有意义。
5. 创建一个真正有购买需求的监控任务
进入：
任务管理
点击：
创建新任务
接下来填写想关注的商品和购买需求。
如果有更明确的限制，还可以继续设置：
- 包邮；
- 卖家相关条件；
- 地区；
- 价格；
- 发布时间；
- AI 分析要求。
我不会把条件写得越多越好。
条件太松，会抓回来很多无关结果；条件太死，又可能把真正值得看的商品先过滤掉。
比较实用的做法是：
确定硬条件，再把“值不值得进一步看”交给 AI 做第一轮判断。
6. 先手动跑一次，再考虑长期自动监控
任务创建以后，先点击启动，让它完整执行一次。
我比较习惯先这样做，而不是一创建任务就完全放着不管。
如果想看执行到哪里，可以进入：
运行日志
日志能帮助判断：
- 任务有没有真正开始；
- 搜索流程有没有运行；
- 模型分析是否有返回；
- 中间有没有异常。
只有手动跑通一次，我才会更放心让 NAS 后面长期执行。
7. AI 分析真正能帮我筛掉什么？
任务完成以后，进入结果页面。
页面会集中展示抓取到的商品，并给每个商品一份 AI 分析。
AI 会结合创建任务时填写的购买需求，对：
- 商品标题；
- 商品描述；
- 商品图片；
进行综合判断。
它比较适合帮我先排除：
- 明显只是配件的结果；
- 故障机；
- 虚假低价；
- 描述和需求不匹配的商品。
但我不会把 AI 的“符合要求”直接理解成“可以买”。
它看不到所有真实情况，也不能替我确认：
- 实际成色；
- 卖家信用；
- 是否维修；
- 是否暗病；
- 描述是不是真实。
所以我更愿意把它当成：
第一轮筛选器，而不是购买裁判。
8. 自动盯商品已经跑起来，为什么还需要公网访问？
任务放到 NAS 后台以后，它可以继续运行。
但人在外面时，我还会有几个需求：
- 临时看任务有没有正常执行；
- 调整价格或地区条件；
- 看最新抓到的商品；
- 查看 AI 分析；
- 排查运行日志。
局域网地址这时候就不够用了。
这里再加入 cpolar。
cpolar 在这套方案里只负责：
把 ai-goofish-monitor 的 Web 管理后台提供到公网。
它不负责抓闲鱼、不参与 Playwright 自动化，也不做 AI 判断。
9. 在飞牛 NAS 安装 cpolar
回到前面连接飞牛 NAS 的 SSH 终端。
执行：
sudo curl https://get.cpolar.sh | sh
安装完成以后查看服务状态：
sudo systemctl status cpolar
状态正常以后，浏览器访问：
http://192.168.50.212:9200
进入 cpolar Web UI。
10. 把 ai-goofish-monitor 的 8000 端口映射到公网
这套部署里的 Web 管理后台使用：
8000
端口。
进入：
隧道管理 → 隧道列表
页面里可以看到已有隧道。
选择：
website
点击编辑，也可以创建新隧道。
这里把隧道指向 ai-goofish-monitor 的 Web 服务端口。
后面这条隧道使用的名称是：
xianyu
更新以后进入：
状态 → 在线隧道列表
可以看到 HTTP 和 HTTPS 两个公网地址。
这里用 HTTPS 测试。
ai-goofish-monitor 登录页面可以正常打开。
这一层真正验证的是：
ai-goofish-monitor 8000 → cpolar 公网地址 → 外部浏览器。
至于商品搜索和 AI 分析是否正常，仍然要回后台看任务和日志，而不是只看登录页。
11. 随机地址跑通以后，再换固定二级子域名
随机公网地址适合先验证链路。
如果以后经常从手机或外部电脑查看监控结果，我更希望入口长期不变。
进入 cpolar 预留页面：
https://dashboard.cpolar.com/reserved
选择：
保留二级子域名
这里示例填写：
- 地区：和前面隧道保持一致；
- 名称：xianyu01；
- 描述：方便辨识即可。
二级子域名具有唯一性，以自己账号实际保留成功的名称为准。
保留完成以后，回到飞牛 NAS 上的 cpolar Web UI。
找到：
xianyu
隧道。
点击编辑，把域名类型改成：
二级子域名
再填写刚才保留成功的名称。
更新以后到在线隧道列表查看。
xianyu 隧道已经变成固定公网地址。
复制地址访问。
再次登录。
后台里的监控任务、商品结果和运行日志都可以继续查看。
到这里，固定远程管理入口已经跑通。
12. 我会怎么用这套系统，而不是让它替我做决定？
如果只是把它当成“自动刷新闲鱼”的脚本，其实有点浪费。
我更愿意把工作拆成三层：
第一层：程序负责持续找。 不用自己一遍遍刷新。
第二层：条件和 AI 负责初筛。 把明显不符合预算、地区和需求的结果先压下去。
第三层：人负责最终判断。 真正准备购买时，再看卖家主页、交易记录、商品细节、维修情况和沟通内容。
另外，监控频率也不能无脑往高了调。
自动化工具访问过于频繁，可能触发平台风控；账号和代理管理页面存在，不代表可以忽略平台本身的规则和限制。
总结
ai-goofish-monitor 对我来说最实用的地方，不是让 AI 替我“捡漏”，而是把最重复的那部分工作接走：
持续搜索、条件筛选、整理结果，再做第一轮 AI 分析。
这次真正跑通的主线是：
RK3566 → ARM 飞牛 NAS → Docker → 一键部署 ai-goofish-monitor → 管理员配置 → 模型配置 → 添加闲鱼账号 → 创建监控任务 → 手动执行 → 运行日志 → 商品结果 → AI 分析 → cpolar → 8000 公网入口 → 随机地址 → 固定二级子域名 xianyu01。
几个边界需要一直分清：
- ai-goofish-monitor 负责商品搜索、条件筛选和 AI 分析；
- 这次模型项填写的是 gpt-5.5，模型提供商使用第三方中转平台；
- AI 分析主要用来做第一轮筛选，商品成色、卖家信用、维修情况和描述真实性仍然需要人工确认；
- cpolar 只负责 8000 Web 管理后台的公网入口，不参与闲鱼搜索和模型分析；
- 固定二级子域名 xianyu01 解决的是远程访问地址变化问题；
- 长期自动监控还要注意任务频率，避免因为访问过于频繁触发平台风控。
我真正想省下来的，不是最后那几分钟“决定买不买”的时间，而是前面几十次、几百次机械刷新页面的时间。让系统先帮我把候选缩小，最后那一步判断仍然留给自己，这才是这套工具更合适的位置。
