一个做二手转卖的人上个月被平台撤单退款了。不是鞋子有问题，是她的商品描述里写了"真皮"，而那双鞋是人造革。她没想撒谎，只是把AI工具写好的文案直接粘了上去，而AI是猜的。 这是"AI写商品文案"工具很少被提到的一点：它们被优化成让东西听起来更好卖，而这恰恰是错误的目标。在二手平台上，一个自信的错误词——错的品牌、错的尺码、一句不成立的"几乎全新"——代价不只是丢一单生意，而是商品被下架、钱被追回，账号最后被封。 所以他做了个反过来的工具，叫 Honest Lister。它唯一的任务是写出最经得起查的描述，而不是最好卖的那一版。 大多数AI文案工具优化的是"我能生成什么"，Honest Lister 优化的是"卖家能安全地声称什么"。 它看一张二手衣服的照片，产出的描述里每一条事实性说法，都必须有照片里真实可见的东西撑着。凡是它验证不了的，会标成"请手动确认"交给你，而不是悄悄编一个填进去。 作者最满意的一个场景叫"证明它，否则删掉它"。上传一件看不到品牌标、也看不到尺码标的夹克，看会发生什么。 它先写出描述，以及它拒绝去猜的价格。然后是发布闸门——它不只是把缺口标出来，还会告诉你补哪一张照片能填上每一个缺口。 同样一张照片交给普通AI工具，它会写出"藏青色棉质夹克，M码"——三个词里有两个是猜的。 核心思路是：一份商品描述不是一段要生成出来的文字，而是一组各自需要"挣得位置"的声明。 所以视觉模型不是被要求"写一段描述"，而是针对每一个属性分别回答：它是什么、你有多确定、照片里哪个部分能证明它。然后一个很小、可审计的分类器，给每条声明打上四种状态之一。 真正干活的是两条规则。高风险属性永远不能只是"推断"出来的：置信度到 0.90 才算"已观察到"，否则一律归为"未验证"。普通属性的门槛低一些：0.80 以上算已观察到，0.55 以上算推断，再低就是未验证。 描述文案只由"已观察到"和"推断"两类声明拼装而成。一条未验证的品牌信息，物理上不可能进入标题。如果出现矛盾——你填了"Mango"，照片里清清楚楚是 Zara 的标签——发布会被直接拦下，并告诉你原因。 这不是套在闭源API外面的提示词壳子。视觉后端在本地跑 moondream2，开放权重，约 20亿 参数。作者放了一次真实照片的真实运行结果：模型原始回答是"Blue Jeans"，解析出的声明是值"Blue Jeans"、置信度 0.92、证据"Blue Jeans"。 还有一个诚实的数字，因为这个项目本身就是关于诚实数字的：在他笔记本的CPU上，这一次查询花了 285秒。20亿参数的模型用 float32 跑、没有GPU，就是慢。这不是想法本身的缺陷，而是架构要把快速可靠的演示后端和真实推理后端分开的原因——后者该放在GPU上，比如 Hugging Face Space。这也是本地开放权重推理构成整个经济性论证的原因。他宁愿告诉你它花了285秒，也不愿悄悄藏在一个缓存结果后面。 谁都能说自己的AI幻觉更少。所以他在仓库里内置了一套基准来证明这一点——如果事实并非如此，这套基准也会把它暴露出来。 做法是拿同一份视觉模型输出，跑过两套系统：一个普通的"什么都敢说"生成器，和 Honest Lister。两者都对照人工标注的基准答案打分——对每个属性，判断它到底能不能从照片里确立。 初步结果，样本量很小，共 7 件标注商品： - 每份描述中的无依据声明数（越低越好）：基线 1.14，Honest Lister 0.0 - 正确弃权率（越高越好）：基线 0.47，Honest Lister 1.0 - 被保留的有依据属性（越高越好）：基线 1.0，Honest Lister 0.96 作者说，这套基准是初步的、样本很小，如果诚实这件事没生效，它也会把结果暴露出来。
热门跟贴