XianyuAutoAgent: ein LLM-Kundendienst-Bot für Xianyu, der auf Cookies und Prompt-Dateien setzt
智能闲鱼客服机器人系统：专为闲鱼平台打造的AI值守解决方案，实现闲鱼平台7×24小时自动化值守，支持多专家协同决策、智能议价和上下文感知对话。
Auf einen Blick
- Was ist das?
- XianyuAutoAgent verbindet einen Sprachmodell-Aufruf mit der Web-Session eines Xianyu-Kontos und routet eingehende Nachrichten über Prompt-Dateien an Spezialisten für Preis, Technik oder Standard. Der Ansatz ist schlank, aber er hängt an einem Cookie, das der Nutzer selbst aus dem Browser holt.
- Für wen ist es gedacht?
- Wer einen kleinen, selbst gehosteten Antwortbot für ein eigenes Xianyu-Konto sucht und bereit ist, Cookies und Prompt-Dateien selbst zu pflegen, findet hier einen überschaubaren Python-Einstieg. Wer einen Mehrkonten-Betrieb, eine Web-Oberfläche oder eine rechtlich abgesicherte Grundlage braucht, sollte Abstand nehmen: Das README behält sich ausdrücklich vor, das Projekt jederzeit zu löschen.
- Darf ich es kommerziell nutzen?
- Ja, unter Bedingungen. GPL-3.0 ist eine Copyleft-Lizenz: Wenn Sie Software weitergeben, die sie enthält, müssen Sie deren Quellcode unter derselben Lizenz veröffentlichen. Wer sie nur intern betreibt, ohne sie weiterzugeben, löst diese Pflicht nicht aus.
- Wird es noch gepflegt?
- Ja. Die letzten Commits kamen vor 98 Tagen.
- In welcher Sprache ist es geschrieben?
- Hauptsächlich Python, laut der Sprachstatistik von GitHub.
Die Antworten beruhen auf den GitHub-Daten des Projekts (zuletzt abgeglichen am 15. September 2026) und auf unserer Analyse. Sie sind keine Rechtsberatung.
TIEFGEHENDE OPEN-SOURCE-ANALYSE
Ein Verkaufs-Chat, der ohne Anbieter nicht rund läuft
Auf Xianyu läuft der Verkauf über Chat. Interessenten fragen nach Zustand, Zubehör oder Preis, und wer nicht innerhalb von Minuten antwortet, verliert den Käufer an jemanden, der gerade online ist. Genau diese Lücke adressiert XianyuAutoAgent: ein Python-Programm, das die Nachrichten eines Xianyu-Kontos entgegennimmt und mit einem Sprachmodell beantwortet. Die Zielgruppe sind private Verkäufer und kleine Händler mit einem eigenen Konto, nicht Marktplätze oder Support-Teams. Das README beschreibt den Zweck als 7×24-Stunden-Betrieb mit mehreren Experten, Verhandlung und kontextbewusstem Dialog. Wer einen einzelnen Shop ohne Nachtbesetzung betreibt, ist der Adressat. Wer mehrere Konten parallel steuern will, findet dafür im Material keinen Hinweis.
Cookie statt API: der Kern der Anbindung
Der Bot nutzt keinen offiziellen Xianyu-Zugang. Er verwendet die Web-Session des Nutzers. Dafür muss COOKIES_STR in die .env-Datei eingetragen werden, und das README erklärt, woher der Wert kommt: im Browser auf der Xianyu-Webseite F12 öffnen, den Network-Tab wählen, auf Fetch/XHR filtern, eine Anfrage anklicken und die Cookies auslesen. Das ist der wichtigste technische Punkt des Projekts. Der Bot ist damit an ein Konto gebunden, und die Sitzung lebt so lange, wie das Cookie gültig bleibt. Läuft es ab, muss der Nutzer denselben manuellen Vorgang wiederholen. Das ist keine Nebensache, sondern der Betriebsrhythmus des Systems: Ein Bot, der rund um die Uhr antworten soll, hängt an einem Wert, den ein Mensch regelmäßig neu aus dem Browser kopieren muss. Wer diesen Aufwand nicht einplant, betreibt den Bot nur so lange, bis die erste Sitzung endet.
Vier Prompt-Dateien als Routing-Schicht
Die Entscheidung, welche Antwort ein Gespräch bekommt, liegt nicht in einem Klassifikationsmodell, sondern in Textdateien. Das README listet vier davon: classify_prompt.txt für die Absichtserkennung, price_prompt.txt für den Preis-Experten, tech_prompt.txt für technische Fragen und default_prompt.txt für den Standardfall. Der Ablauf ist zweistufig: Zuerst bestimmt die Klassifizierung das Anliegen, dann wird der passende Experten-Prompt geladen. Laut README geschieht das über Prompt-Engineering plus regelbasierte Wege. Die Prompt-Dateien liegen im Verzeichnis prompts/ und müssen angelegt werden; alternativ entfernt man das Suffix _example aus den mitgelieferten Vorlagen. Das ist der eigentliche Anpassungspunkt des Projekts. Wer das Antwortverhalten ändern will, schreibt Prosa in eine Textdatei statt Code umzubauen. Diese Trennung ist praktisch, hat aber eine Konsequenz: Die Qualität des Routings hängt daran, wie sauber die Klassifizierungsanweisung formuliert ist. Ein mehrdeutiger classify_prompt.txt schickt eine Preisfrage an den Technik-Experten, und der Bot antwortet am Thema vorbei.
Kontext, Gedächtnis und die Grenze des Materials
Das README nennt als Kernmerkmal ein leichtes Konversationsgedächtnis: Der vollständige Gesprächsverlauf wird als Kontext an das Sprachmodell übergeben. Damit kann der Bot auf eine vorherige Aussage Bezug nehmen, etwa wenn ein Interessent zuvor ein Zubehörteil erwähnt hat. Wie dieser Verlauf gespeichert wird, ob im Arbeitsspeicher, in einer Datei oder in einer Datenbank, geht aus dem Material nicht hervor. Ebenso offen bleibt, ob es eine Obergrenze für die Anzahl der Nachrichten gibt, die in den Kontext wandern. Das ist relevant, weil jede mitgeschickte Nachricht Token kostet und irgendwann in das Kontextfenster des Modells läuft. Wer den Bot auf einem Konto mit vielen langen Verhandlungen betreibt, sollte das im Quellcode prüfen, bevor er mit stabilen Kosten rechnet. Die Dokumentation gibt hier keine Auskunft, und das ist eine echte Lücke, nicht nur ein Detail.
Installation in vier Schritten
Der Einstieg ist knapp beschrieben. Zuerst git clone https://github.com/shaxiu/XianyuAutoAgent.git, dann cd XianyuAutoAgent, danach pip install -r requirements.txt. Voraussetzung ist Python 3.8 oder neuer. Anschließend wird eine .env-Datei angelegt oder aus .env.example umbenannt. Vier Werte sind Pflicht: API_KEY, COOKIES_STR, MODEL_BASE_URL und MODEL_NAME. Optional kommen TOGGLE_KEYWORDS und SIMULATE_HUMAN_TYPING hinzu. TOGGLE_KEYWORDS steuert den Wechsel zwischen KI und Mensch, standardmäßig über einen Punkt: Sendet der Nutzer einen Punkt, übernimmt der Mensch, ein weiterer Punkt gibt die Kontrolle zurück an die KI. SIMULATE_HUMAN_TYPING schaltet eine Verzögerung ein, die menschliches Tippen nachahmt. Gestartet wird mit python main.py. Als Standardmodell nennt das README Tongyi Qianwen; für andere Anbieter müssen MODEL_BASE_URL und MODEL_NAME angepasst werden. Ohne die Prompt-Dateien liest der Bot nach eigener Aussage die vier mitgelieferten Vorlagen.
Verhandlung nach Stufen, Recherche im Netz
Zwei Funktionen gehen über reines Antworten hinaus. Der Preis-Experte arbeitet laut README mit einer stufenweisen Nachlassstrategie, also mit vorab festgelegten Schritten statt freier Verhandlung. Der Technik-Experte bindet eine Netzsuche ein, um Fragen zu beantworten, deren Antwort nicht im Prompt steht. Das sind die Stellen, an denen das Projekt über einen einfachen Echo-Bot hinausgeht. Gleichzeitig markiert die README-Tabelle eine Reihe von Punkten als geplant: Stimmungsanalyse, Marktpreisvergleich, RAG-Wissensbasis, DingTalk-Anbindung und ein Web-Interface. Diese Dinge existieren nach dem vorliegenden Material noch nicht. Wer den Bot auswählt, sollte die Tabelle als Ist-Stand lesen und nicht als Fahrplan. Die stufenweise Preisstrategie ist zudem nur so gut wie die Stufen, die jemand vorher in den Prompt geschrieben hat. Ein Verkäufer, der seine Untergrenze nicht klar formuliert, bekommt einen Bot, der zu früh zu viel nachgibt.
Wann der Bot die falsche Wahl ist
Die Cookie-Abhängigkeit ist die erste Grenze. Sie bindet das Projekt an ein Konto und an einen manuellen Pflegevorgang. Die zweite ist der rechtliche und plattformseitige Rahmen. Das README selbst schreibt, das Projekt diene nur Lernen und Austausch, und behält sich vor, die Entwicklung jederzeit einzustellen oder das Repository zu löschen. Wer darauf einen Verkaufskanal stützt, baut auf einer Grundlage, die der Autor ausdrücklich nicht zusichert. Dazu kommt die Lizenz: GPL-3.0. Wer den Code in ein eigenes Produkt einbettet und weitergibt, muss die Bedingungen der GPL-3.0 einhalten, was für proprietäre Weitergabe praktische Folgen hat. Das ist keine Rechtsberatung, aber ein Punkt, den man vor einer Integration klären sollte. Für einen einzelnen Verkäufer mit Testkonto ist das unkritisch. Für jemanden, der den Bot als Dienstleistung für fremde Konten anbieten will, ist es das nicht.
Was ein anderes Vorgehen unterscheidet
Der naheliegende Vergleich ist ein Bot, der auf einer offiziellen oder wenigstens dokumentierten Plattformschnittstelle aufsetzt, statt die Web-Session eines Kontos nachzubauen. Der Unterschied liegt nicht im Antwortverhalten, sondern im Betrieb. Ein API-Zugang hat einen Schlüssel mit definierter Laufzeit und definierten Grenzen; das Cookie aus dem Browser hat beides nicht. Dafür verlangt eine API in der Regel eine Freigabe, die es für Xianyu in diesem Material nicht gibt, weshalb der Cookie-Weg überhaupt gewählt wurde. Der zweite Unterschied betrifft das Routing. Hier entscheidet eine Prompt-Datei, welcher Experte antwortet. Ein System mit eigenem Klassifikationsmodell oder mit Werkzeugaufrufen trennt die Entscheidung vom Text und macht sie messbar. XianyuAutoAgent tauscht diese Messbarkeit gegen die Möglichkeit, das Verhalten ohne Codeänderung zu justieren. Das ist ein bewusster Kompromiss, und für einen einzelnen Verkäufer mit wenigen wiederkehrenden Fragetypen ist er vertretbar.
Redaktionelles Fazit
Wer einen kleinen, selbst gehosteten Antwortbot für ein eigenes Xianyu-Konto sucht und bereit ist, Cookies und Prompt-Dateien selbst zu pflegen, findet hier einen überschaubaren Python-Einstieg. Wer einen Mehrkonten-Betrieb, eine Web-Oberfläche oder eine rechtlich abgesicherte Grundlage braucht, sollte Abstand nehmen: Das README behält sich ausdrücklich vor, das Projekt jederzeit zu löschen. Prüfe zuerst, ob dein Konto durch automatisierte Antworten gegen die Xianyu-Regeln verstößt, und teste den Bot mit einem einzelnen Testkonto, bevor du ihn auf ein aktives Verkaufskonto setzt.
Community-Notizen