FlipPrice
面向古着转卖者的开源定价辅助工具，基于照片和字段输入生成挂牌草稿、公平价格区间与净收入估算，采用本地开源权重模型推理
时间轴 (近 90 天)
FlipPrice 是 existentialcoder 在 Hacktoberfest 开源 AI 挑战赛中提交的开源项目，用户拍摄一张照片即可获得建议价格和区间、5 条最接近的已售记录、可直接发布的 Listing 文案，并能学习用户定价习惯。
FlipPrice 的技术栈为：Gemma 4 (vision) 负责视觉识别和生成 Listing 文案，SerpApi 拉取 eBay 已售数据，TabPFN 在本地进行个性化定价回归，MongoDB 存储销售历史，FastAPI 提供后端接口，Expo 构建客户端。
在 FlipPrice 的演示中，第一版定价为 65 美元，经过过滤修复后最终价格为 28 美元（区间 27–39 美元），仅基于 3 条真正匹配的 eBay 成交记录。
FlipPrice 在 eBay 成交数据不足时会降级使用品牌匹配，只有在匹配不足 3 条时才使用全部搜索结果，这一过滤器将香水估价从 65 美元修正至 28 美元。
开发者认为识别错误比定价错误代价更大，因为错误的品牌识别会导致搜索到不相关的商品并给出错误价格参考。
Gemma 的托管模型 API 在测试期间曾返回 500 错误，FlipPrice 后端会重试并回退到第二个模型，同时记录每条响应由哪个模型生成。
开发者认为开源对这类应用至关重要，因为定价依赖私有数据（进货价、售价、买家偏好），闭源 API 意味着上传历史数据并得到非个性化的市场视角，而开放权重允许在本地运行模型，避免数据外传和按张计费。
FlipPrice 项目已在 GitHub（existentialcoder/flipprice）开源，包含 Expo 客户端、FastAPI 服务和 Remotion 制作的演示视频，参赛类别涵盖 Best Use of TabPFN、Best Use of Gemma 和 SerpApi 三个方向。
作者使用「模拟卖家」身份进行自测，三件商品用 Gemma 3 实时估价的结果为：Canon AE-1 买入 60、p50 估价 286.34、净得 189.12；Levis 501 买入 15、p50 108.85、净得 79.70；Sony WH-1000XM3 买入 40、p50 116.82、净得 61.63。
FlipPrice 是一个开源项目，采用 MIT 协议，定位为「副业定价 copilot」，代码托管在 GitHub（https://github.com/firfircelik/flipprice）。
还有 9 条时间轴事件
全部知识事实 (16)
FlipPrice 项目已在 GitHub（existentialcoder/flipprice）开源，包含 Expo 客户端、FastAPI 服务和 Remotion 制作的演示视频，参赛类别涵盖 Best Use of TabPFN、Best Use of Gemma 和 SerpApi 三个方向。
50%待验证FlipPrice 是 existentialcoder 在 Hacktoberfest 开源 AI 挑战赛中提交的开源项目，用户拍摄一张照片即可获得建议价格和区间、5 条最接近的已售记录、可直接发布的 Listing 文案，并能学习用户定价习惯。
50%待验证FlipPrice 的技术栈为：Gemma 4 (vision) 负责视觉识别和生成 Listing 文案，SerpApi 拉取 eBay 已售数据，TabPFN 在本地进行个性化定价回归，MongoDB 存储销售历史，FastAPI 提供后端接口，Expo 构建客户端。
50%待验证在 FlipPrice 的演示中，第一版定价为 65 美元，经过过滤修复后最终价格为 28 美元（区间 27–39 美元），仅基于 3 条真正匹配的 eBay 成交记录。
50%待验证FlipPrice 在 eBay 成交数据不足时会降级使用品牌匹配，只有在匹配不足 3 条时才使用全部搜索结果，这一过滤器将香水估价从 65 美元修正至 28 美元。
50%待验证开发者认为识别错误比定价错误代价更大，因为错误的品牌识别会导致搜索到不相关的商品并给出错误价格参考。
50%待验证开发者认为开源对这类应用至关重要，因为定价依赖私有数据（进货价、售价、买家偏好），闭源 API 意味着上传历史数据并得到非个性化的市场视角，而开放权重允许在本地运行模型，避免数据外传和按张计费。
50%待验证作者曾尝试 RandomForest 作为定价模型，但在 20 行的小样本 CSV 上出现单调性失败，因此放弃。
50%待验证FlipPrice 是一个开源项目，采用 MIT 协议，定位为「副业定价 copilot」，代码托管在 GitHub（https://github.com/firfircelik/flipprice）。
50%待验证FlipPrice 默认使用的 Gemma 3 1B 小模型生成质量有限，TabPFN 的付费门槛对纯免费用户是断点，且缺乏真实用户数据导致估价准确性存疑。
50%待验证FlipPrice 的输入包括商品照片以及名称、品牌、类目、品相、年代和买入成本等字段，输出分为挂牌草稿、公平价格区间和净到账金额三部分。
50%待验证FlipPrice 的挂牌草稿由本地开源权重模型生成，标题以品牌开头。
50%待验证FlipPrice 在 Apple M2、Python 3.14 环境下验证通过，安装流程为克隆仓库、建 venv、pip 安装、ollama pull gemma3:1b、启动 uvicorn，并提供 Render 一键部署按钮。
50%待验证FlipPrice 的描述生成使用 Gemma 3（通过 Ollama），并设有本地备用链以支持离线运行。
50%待验证FlipPrice 的定价引擎优先使用 TabPFN，并以 Ridge 回归作为兜底方案。
50%待验证Gemma 的托管模型 API 在测试期间曾返回 500 错误，FlipPrice 后端会重试并回退到第二个模型，同时记录每条响应由哪个模型生成。
50%