市面上所有AI看手相工具，本质上都是ChatGPT在瞎编。这是开发者@heyitsmattb在Reddit上的原话。他花了几年时间研究手相学，测试过无数AI产品，最终得出一个结论：没有一个是基于真正的手相知识框架，全是通用大模型的即兴发挥。
于是他决定自己动手。三周前，一个名为Palmlines的产品上线了。它的核心差异点在于训练数据来源——不是互联网上的碎片化内容，而是两本出版超过百年的经典著作：Cheiro写于1916年的《Palmistry for All》，以及Mrs. J.B. Dale 1895年出版的《Indian Palmistry》。
这个选择本身就很有意思。当大多数AI应用追逐最新论文和实时数据时，Palmlines反其道而行，把百年前的系统性知识数字化。Cheiro是20世纪初最具影响力的手相学家之一，他的理论体系至今仍在该领域被引用；Dale的著作则代表了印度手相学的经典流派。两本书加起来，构成了一个跨越西方与东方传统的知识底座。
产品流程设计得很直接：用户上传手掌照片，AI识别四条主线——感情线（Heart）、智慧线（Head）、生命线（Life）、命运线（Fate），然后生成详细解读。关键区别在于，每一份解读都附带具体的文献引用，说明这个结论来自哪本书的哪个章节。用户看到的不是"你是一个富有创造力的人"这种放之四海皆准的套话，而是基于特定线型、长度、走向的具体分析。
技术栈选择了Next.js App Router配合服务端渲染，图像识别调用OpenAI Vision API，部署在Vercel，支付走Stripe。这是一个典型的个人开发者技术组合：成熟稳定、文档齐全、维护成本低。
商业模式采用免费增值：每天5次免费解读，超出后付费。这个设计来自上线后的直接观察——"人们不会直接付1.99美元，必须先试用"。三周的数据验证了这个判断，免费 tier 成为转化的必要前提。
目前最大的瓶颈不是代码，而是内容。开发者正在针对长尾关键词制作SEO内容，比如"婚姻线含义""如何读懂手相线"这类搜索词。这是一个信号：产品功能已经跑通，现在进入获客阶段，而获客的核心是内容资产的建设。
这个案例提出了一个值得注意的产品方法论：AI + 领域专业知识 > 通用AI。当所有人都在用同样的基础模型做应用层创新时，差异化可能来自数据层的深度——不是更多数据，而是更结构化、更有历史验证的知识来源。百年古籍的价值不在于怀旧，而在于它们经历了时间的筛选，形成了一个自洽的解释框架。通用大模型缺乏的正是这种框架感，它擅长生成 plausible 的内容，却不擅长在特定知识体系内保持一致性。
当然，手相学本身的科学性存疑，这是另一个层面的讨论。但从产品角度，Palmlines的成功与否取决于它是否满足了用户的真实需求——不是"准确的预测"，而是"有依据的解读体验"。这个需求是否存在、规模多大，是三周数据还无法回答的问题。
开发者目前在寻求两个反馈：用户是否愿意使用这类产品，以及如何在零付费广告的情况下获取流量。第二个问题尤其典型。对于个人项目，广告预算通常是奢侈品，SEO和内容营销几乎是唯一选择。但内容生产的速度和质量，又成为新的瓶颈。
Palmlines的实验还在继续。它的意义可能不在于手相这个垂直领域本身，而在于验证了一个更通用的命题：在AI应用层，古老的专业知识能否成为新的竞争壁垒？三周太短，答案尚未揭晓。
热门跟贴