Listing Writer：开源AI工具秒写Etsy与eBay商品列表

对于在Etsy或eBay上售卖实体商品的小卖家来说，撰写一则合格的商品列表往往需要耗费15到20分钟，而大多数人对此深恶痛绝。开发者Anshika-019在Hacktoberfest开源AI挑战赛第二周（副业主题）中提交的Listing Writer，试图用开源模型解决这个痛点。

这款小巧的Web应用只需输入产品名称和几条细节，就能生成可直接粘贴上架的标题、描述和13个搜索标签。说个细节，它完全运行在Google开源权重模型Gemma 3（4B）之上，通过Ollama在本地提供服务，背后没有任何付费API。

产品是什么：为小卖家省下每一分钟

Listing Writer的目标用户非常明确：Etsy手作卖家、eBay二手转卖者，以及翻新旧电子产品的人。

你只需要填写四项信息：

• 产品名称，例如Refurbished iPhone 13
• 产品细节，例如存储容量、颜色、电池健康度和成色
• 平台：Etsy或eBay
• 语气：Friendly、Professional或Playful

此外还可以选择上传一张照片——Gemma 3具备图像理解能力，可以读取图片中的信息。应用会返回一个140字符以内的关键词优先标题、一段短描述（包含规格要点列表），以及符合Etsy标签数量限制的13个标签。

设计思路刻意保持简单。作者算了一笔账：一个卖家每周上架30件商品，仅撰写列表就会浪费数小时。这个工具能在数秒内给出一个可靠的初稿，卖家只需稍作检查即可发布。

作者本人也是卖家，她坦言愿意为此类工具每月支付约99卢比（约合人民币8元），或者为能在自己笔记本上运行的版本支付一次性费用。

Ollama 是一个开源的大语言模型本地运行框架，核心目标是让用户无需云计算资源即可在个人电脑上部署和调用模型。它通过类似 Docker 的命令行界面工作：ollama pull <模型名> 负责下载模型权重，ollama run <模型名> 启动交互式对话，而 ollama serve 则暴露一个兼容 OpenAI API 格式的本地 HTTP 接口。本文中 Gradio 应用正是通过这个本地接口向 Gemma 3 发送提示词。Ollama 支持 macOS、Linux 和 Windows，会自动利用 Apple Silicon 的统一内存或 NVIDIA GPU 进行加速。对于电商卖家而言，这意味着产品细节、价格和照片等敏感数据完全留在本机，不经过任何第三方服务器。

实测翻车与修复：小模型的幻觉与提示词工程

作者用四款科技产品进行了自测：无线耳机、机械键盘、20000mAh充电宝和翻新iPhone 13。

第一版耳机列表乍看不错，实则编造了大量未提供的信息。作者只输入了“Type-C充电”，模型却写成“含Type-C充电线”；只写了“触摸控制”，模型展开为“音量、播放/暂停、上一曲/下一曲”；甚至凭空加入“我对它们连接如此顺畅印象深刻”这类虚假用户评价，以及“好的，这是一份商品列表草稿……”的开场白。

对于真实卖家来说，这是危险的。如果列表写含充电线而实际不含，买家会投诉甚至要求退款。

作者重写了系统提示词，加入严格规则：只用卖家提供的事实或照片中可见的内容，绝不添加配件或规格，绝不假装使用过产品，并直接以“TITLE:”开头。修复后，要点列表恰好包含输入的五条细节，虚假评价和开场白也消失了。

但工具仍不完美。一个标签写成了“waterproof”（防水），而IPX5实际仅意味着防溅和防汗。作者强调，小模型生成的列表仍需人工检查后才能发布，并会明确告知任何使用者这一点。

翻新iPhone和充电宝的列表则表现干净。iPhone列表清楚保留了“轻微划痕”和“89%电池健康度”，这对翻新商品至关重要。

大语言模型的幻觉（Hallucination） 指的是模型生成了与事实不符、或输入中完全不存在的信息，并且以自信、流畅的语气呈现。在商品列表场景中，幻觉表现为三种典型形式：一是虚构产品属性（如把“Type-C充电”扩展为“含Type-C充电线”）；二是编造用户评价或使用体验（如“连接如此顺畅”）；三是添加未要求的格式内容（如开场白“好的，这是一份草稿”）。幻觉的根源在于模型被训练成“预测下一个最可能的词”，而非“核对事实”，因此当输入信息稀疏时，它会用训练数据中的常见模式填补空白。4B 参数的小模型由于知识容量和指令跟随能力有限，幻觉率通常高于大型托管模型，这也是作者必须用严格系统提示词约束输出、并保留人工审核环节的根本原因。

技术栈与开源价值

整个应用由三块开源组件构成：

• Gemma 3（4B）：Google开源权重模型，小到能在免费的Colab T4 GPU或普通笔记本上运行，且支持图像输入。
• Ollama：一行命令即可下载并提供本地模型服务（ollama pull gemma3:4b）。
• Gradio：提供Web界面，其share=True选项可生成公开链接，任何人用手机即可试用。

应用本身约90行Python代码。系统提示词告诉Gemma如何撰写列表并固定输出格式（TITLE、DESCRIPTION、TAGS）。每次请求发送卖家细节、所选平台和语气，以及可选照片。

作者没有在本地安装任何东西，全部在Google Colab中运行。第一次尝试因“Failed to connect to Ollama”失败——应用启动时Ollama服务器尚未运行。她把笔记本拆成三个固定顺序的单元，并加入等待Ollama响应的检查。

开源方案对副业的意义体现在几个层面：

没有按次计费。 付费API每生成一次列表都要花钱，每周写数百份草稿的卖家会持续付费。Gemma运行在你已有的硬件上，每份草稿的边际成本为零。

卖家数据可保持私密。 在笔记本上运行Ollama时，产品细节、价格和照片永远不会离开本地机器。

没有锁定。 如果出现更好的开源模型，只需改一行MODEL = ...。如果某家供应商涨价或关闭API，一切照常。

可做垂直微调。 通用API写出的列表千篇一律，而开源权重允许作者在翻新手机等细分领域用真实高转化列表微调Gemma，这是闭源API做不到的。

作者也坦承闭源模型的优势：大型托管模型可能从一开始就不会编造充电线和控制功能。使用4B模型，她不得不在提示词上严格得多。对这个用例而言，这笔交易值得。

Gemma 3（4B） 是 Google 于 2025 年发布的开源权重模型系列，参数规模覆盖 1B 到 27B，其中 4B 版本专为消费级硬件设计。其关键特性包括：支持 128K 上下文窗口、覆盖 140 多种语言，以及原生多模态图像理解能力——后者正是 Listing Writer 能读取产品照片并从中提取外观信息的技术基础。“开源权重”意味着模型参数可免费下载和本地运行，但训练数据与完整训练代码不公开，这与完全开源的 Llama 系列有所区别。对于本用例，4B 模型能在免费 Colab T4（16GB 显存）或配备 16GB 统一内存的 MacBook 上流畅推理，每份列表生成耗时通常在数秒内，边际成本为零。

下一步计划

作者列出了四个方向：

1. 让真实卖家试用，观察他们实际保留哪些列表内容。
2. 增加批量模式，读取产品CSV一次性生成所有列表。
3. 加入风险词检查，当细节不支持“防水”或“全新”等词时标记提醒。
4. 针对翻新手机等单一利基，用优质列表微调Gemma。

这款工具获得了“最佳Gemma应用”奖项的申报资格——整个应用运行在Gemma 3（4B）上，通过Ollama服务，并能读取产品照片。

对于预算敏感、注重数据隐私的电商小卖家而言，Listing Writer展示了一条切实可行的路径：用开源模型把重复劳动压缩到几秒钟，同时保留人工审核这道必要的防线。