Realist：开源商品列表审计工具，帮卖家提前发现描述矛盾

电商卖家最怕的不是没流量，而是买家收到货后说"和描述不符"。一条标题写着"蓝牙5.3"、规格表却标着"5.0"的listing，足以换来一次退货、一笔退款，或者一条一星差评。问题在于，卖家自己很难发现这些矛盾——因为你已经知道自己想表达什么，重读时大脑会自动补全。

Realist是一个开源的商品列表审计工具，思路和市面上大多数AI工具相反：它不帮你写更多listing，而是对你已有的listing做一次质检，告诉你哪里有问题。

Realist项目介绍

Realist 能发现什么

你粘贴标题、描述和规格清单，最多上传八张照片，Realist返回一系列findings。每条finding都标明涉及的字段或照片、置信度，以及下一步该做什么。

比如一个测试listing的返回结果是：

🔴 Contradiction · bluetooth_version · high · confidence 100%
 - title: Bluetooth 5.3
 - specifications.Bluetooth Version: 5.0
Next: Check the manufacturer's documentation and make every field agree.

Findings分为四类，把它们区分开是这个工具的核心设计决策：

类型	含义
`text_conflict`	两个字段互相矛盾。这是关于listing的事实。
`image_mismatch`	照片似乎和文字不符。这是一种带不确定性的观察。
`possible_omission`	某些可见内容没有被说明，比如照片里的配件。
`unverified_claim`	没有提供的材料能支持这个说法。这不是指控。

一张照片没有显示IP67认证，并不能证明产品不具备IP67。Realist只会说"请核实"，从不说"这是假的"。

设计选择：不把所有判断都交给LLM

作者最初的想法是把整个listing丢给模型，问它看起来对不对。但最终否决了这条路，理由贯穿了整个项目：对于任何可以精确比较的东西，模型的判断都是错误的工具。

于是工作被拆成两半。

纯Python负责比较

Python代码从标题、描述和规格中提取蓝牙版本、IP等级、重量、数量、电池容量和颜色，做归一化后互相比对。1.5 kg和1500 g是一致的，因为重量先被换算成克。5.3对5.0则永远是冲突，不涉及采样，也不涉及温度参数。这就是为什么文本冲突的置信度是1.0——它代表的是"这两个字段确实不一致"的置信度，而不是"哪个字段是对的"。

视觉模型只报告看到的东西

视觉模型按照片返回结构化观察结果（颜色、可见配件、可读文字、物品数量），从不做判断。然后由Python把这些观察和listing比对。一个模型说"我看到一根USB线"，比说"这个listing看起来不完整"要容易信任和核查得多。

同样的拆分也决定了每条finding的信任程度。基于照片的颜色不符，置信度上限设为0.8，因为光照和图像处理会改变颜色。OCR识别出的型号数字和listing里的接近但不相同，置信度为0.5，因为OCR会读错字符。

温度参数（temperature） 是大语言模型生成文本时控制随机性的一个参数。当 temperature 设为 0 时，模型每一步都选择概率最高的下一个 token，输出几乎完全确定；而 temperature 越高，采样越随机，同样的输入可能产生不同的输出。这就是为什么作者强调确定性比较「不涉及采样，也不涉及温度参数」——把蓝牙版本比对交给 LLM，即便逻辑完全正确，也可能因为采样而在两次运行间给出不同结论，而纯 Python 的字符串与数值比对则永远返回同一个结果。对于 listing 审计这类需要可复现、可解释的场景，确定性远比灵活性重要，因为卖家需要的是一个可以信赖、每次运行都能得到相同 findings 的质检器。

Qwen2.5-VL-7B 是阿里通义千问^广告团队发布的视觉语言模型，参数规模约 70 亿，能同时理解图像和文本，输出结构化描述。7B 属于可在消费级硬件上本地运行的尺寸，这也是 Realist 选择它的原因：作者通过 Ollama 在本地拉起这个模型，避开了对云端视觉 API 的依赖。Ollama 是一个把开源大模型封装成本地服务的运行时，提供简单的命令行拉取与 HTTP 接口，让应用可以像调用本地函数一样调用模型，照片无需离开 127.0.0.1。PaddleOCR 则是百度开源的 OCR 工具，用于从照片中提取可见文字，Realist 将其作为可选的 OCR 层，用来把图片中的型号、标签等文字转成可与 listing 比对的文本，且同样采用 Apache-2.0 许可，便于商业使用核查。

为什么开源模型在这里很重要

这部分是开源自建方案真正发挥了作用，而非走个形式。

卖家数据留在卖家自己的机器上。 供应商照片、未发布产品、带成本的规格表——对卖家来说，listing草稿就是商业数据。Realist通过本地Ollama服务器运行Qwen2.5-VL-7B（默认qwen2.5vl:7b）。照片被缩放并剥离元数据后，只发往127.0.0.1，不流向其他地方。作者也提醒使用者核实自己环境的遥测设置，并为此关闭了Streamlit的使用统计。

模型是可替换部件。 审计依赖一个三行的VisionBackend接口。出现更好的视觉模型，或者7B太慢时，只需改一个类。如果用托管API，就得围绕别人的定价和下架时间表重写代码。

每次审计成本接近于零。 一个卖家审计几百条listing，付出的是电费而不是token费。这直接决定了9美元/月的套餐是生意还是亏损。当然它不免费——7B视觉模型在纯CPU机器上很慢，作者也还没做过基准测试。

代码可读。 模型和PaddleOCR（可选的OCR层）都用Apache-2.0许可，作者可以直接检查商业使用许可，而不用去信任某个条款页面。

Streamlit 是一个用纯 Python 快速构建数据应用与交互界面的开源框架，开发者无需写前端代码即可把脚本变成可运行的网页应用，Realist 的粘贴与上传界面就是用它搭的。Streamlit 默认会收集匿名使用统计，这也是文中提到的「关闭了 Streamlit 的使用统计」所指向的隐私动作，对强调数据不出本地机器的工具而言，关闭遥测是保持承诺一致的必要细节。VisionBackend 则是一个三行的抽象接口，把「由谁来做视觉观察」这件事从业务逻辑中解耦出来：只要实现这个接口，就能把 Qwen2.5-VL 换成任意其他视觉模型或服务，而比对逻辑、findings 分类和置信度规则都不用动。这种可替换设计让项目不会绑定在单一模型的定价或生命周期上。

测过什么，没测什么

作者专门写了一个"诚实章节"。

已测试： 确定性引擎，10个单元测试。覆盖了匹配的listing产生零findings、故意构造的有问题listing恰好产生植入的冲突（蓝牙版本、颜色、重量、数量）、单位等价不被标记、有规格支持的声明不被标记、被规格反驳的声明被捕获，以及HTML导出对恶意输入的转义。Streamlit UI也能无头端到端运行。

未测试： 照片检查用的是手写观察结果，所以还无法说明模型真实观察的准确率有多高。

未构建： 带精确率、召回率和误报率的标注评估集，以及一个纯模型基线做对比。作者的假设是混合方案比"问LLM看起来对不对"产生更少误报、更多可执行发现。这是假设，尚未测量。

下一步计划

构建30–50条listing的评估集并公布数字，包括基线对比。
增加更多规则族：尺寸、电压和功率、兼容性声明、材质声明。
面向管理数百条listing的机构，提供批量审计和可下载报告。5次审计免费，之后大约每月9到29美元。这些定价是待验证的猜测，不是市场价。

上手方式

项目地址在GitHub上（仓库：rafayet-git/realist）。安装方式：

python -m venv .venv && .venv/bin/pip install -r requirements.txt
.venv/bin/streamlit run app.py

照片分析是可选的：安装Ollama并执行ollama pull qwen2.5vl:7b。不装的话，Realist只运行文本检查，并明确告诉你照片没有被分析。