利用NAS搭建闲鱼AI智能捡漏系统：从部署到实战的完整指南

本文将介绍一款基于Playwright与AI过滤分析技术的闲鱼多任务实时监控与智能分析工具。该工具配备了功能完善的后台管理界面，能有效帮助用户节省筛选闲鱼商品的时间，及时捕捉心仪商品。

核心功能亮点

可视化Web界面：提供完整的Web UI，支持任务的可视化管理、AI标准在线编辑、运行日志实时查看和结果筛选浏览，无需直接操作命令行和配置文件。
AI驱动的任务创建：只需用自然语言描述购买需求，即可一键创建包含复杂筛选逻辑的监控任务。
多任务并发处理：通过config.json配置文件同时监控多个关键词，各任务独立运行，互不干扰。
实时流式处理机制：发现新商品后立即进入分析流程，彻底告别批处理延迟。
深度AI分析能力：集成多模态大语言模型（如GPT-4o），结合商品图文和卖家画像进行深度分析，实现精准筛选。
高度可定制化：每个监控任务均可配置独立的关键词、价格范围、筛选条件和AI分析指令（Prompt）。
即时消息通知：支持通过ntfy.sh、企业微信机器人和Bark，将符合AI推荐的商品立即推送到手机或桌面。
灵活定时任务调度：支持Cron表达式，可为每个任务设置独立的定时执行计划。
Docker一键部署：提供docker-compose配置，实现快速、标准化的容器化部署。
智能反爬策略：模拟真人操作，包含多种随机延迟和用户行为模式，大幅提高系统稳定性。

环境准备

首先访问GitHub项目页面，将项目下载到本地：
https://github.com/dingyufei615/ai-goofish-monitor

解压ZIP文件后，复制.env.example文件并将其重命名为.env，然后根据实际情况修改配置文件内容。

填写AI模型相关配置时，请确保所选模型支持图片上传功能。由于Token消耗量较大，建议优先选择免费的模型供应商。

其余配置可保持默认值，如有特殊需求可修改账号和密码设置。

将整个文件夹上传至NAS设备（建议修改文件夹名称以便识别）。

安装部署

使用Docker Compose进行部署（可使用项目自带配置或以下优化配置）：

services:  
  ai-goofish-monitor:  
    image: ghcr.io/dingyufei615/ai-goofish:latest  
    container_name: ai-goofish-monitor  
    ports:  
      - 18000:8000  
    volumes:  
      - /vol1/1000/docker/ai-goofish-monitor:/app  
    restart: unless-stopped