PRODUCT NOTES / 衣序

把模糊的穿搭需求,
变成可以解释、可以检验的选择。

衣序结合天气、场合与个人偏好,从已有衣物中生成搭配。默认使用规则筛选与排序;主动点击 AI 建议后,再用一轮模型请求比较合格候选。

个人项目可运行原型示例衣橱正在检查模型状态
亲自试一套

01 从一个具体的决策开始

出门前的搭配常常需要同时考虑场合、气温、想保留的单品与近期重复。衣序将这些条件放在同一处,帮助用户从现有衣橱中找到可穿的组合。

典型任务:选择上海、明天、早晚通勤,再输入“去见客户,保留黑色外套,不穿裙子,鞋子优先别和昨天重复”。天气提供所选时段的温度、降水概率与风速,用户也可以手动指定气温。明确限制先检查,温度、场合和近期重复偏好再参与排序。

当前体验使用人工构造的示例衣橱;搭配计划、实际穿着和操作记录保存在当前浏览器。

竞品参照与产品定位

对照 Acloset 的天气推荐、AI 对话与指定单品补搭,以及 Whering 的固定单品与搭配计划,衣序聚焦通勤中的多条件决策:确认锁定与禁穿,只改气温或换一件,再保存搭配。公开资料已核对,跨产品完成时间与条件保持仍待同题实测。

02 将确定的限制交给确定的检查

产品判断实现方式原因
只用已有衣物以衣物ID生成候选并检查引用每件输出均可定位到衣橱单品
显式禁止与锁定是硬约束先校验可行性,再排序明确限制先于偏好排序
温度、场合和风格是软偏好启发式排序与可解释取舍允许用户调整衣物等级与偏好
确实无解时说明冲突枚举并检查完整候选空间完整检查后返回可行方案或具体冲突
天气事实由工具提供查询固定城市与时段,展示来源与查询时间天气使用接口结果;手动气温优先
默认控制调用成本刷新和天气切换只用规则,主动请求 AI 时单轮比较候选把模型调用放在用户明确需要建议的时刻
模型失败时保留可用性规则降级并显示实际模式分别记录模型与规则的实际运行模式

衣物属性仍由用户手动确认。天气支持15个固定城市、今天或明天,以及通勤、白天、晚间、全天时段;数据来自 Open-Meteo,界面展示真实返回的城市、日期、时段和查询时间。天气失败时保留手动气温入口。照片识别、账户、云同步与长期偏好学习列入后续计划;材质、防水、防风属性待补充确认。

03 一个可以回退和修正的流程

选择城市与时段查询天气确认需求条件筛选可行候选规则排序按需 AI 比较校验解释

页面刷新、切换天气和日常条件修正默认使用规则,模型请求为0次。点击“根据天气生成 AI 建议”后,系统在已通过硬约束检查的候选中进行一轮模型重排;关闭天气后也可按手动条件请求同样的单轮建议。模型调用被限额拦截或失败时,返回规则方案,并记录请求尝试次数、实际执行模式和降级原因。

天气参考解释由预报事实生成。AI 只选择预设的结构化建议代码,服务端再按天气、衣物记录和当前偏好核验,符合条件的代码映射成展示文案。高级区域保留原有 hybrid 增强版(模型理解与候选比较)及直接读取完整衣橱的模型对照,便于后续比较额外流程的价值。所有版本均保留显式条件校验。

用户可以锁定喜欢的一件、暂时排除某件,或只替换结果中的一件。搭配计划和实际穿着分别记录,只有用户确认“今天已穿”后才进入近期穿着记录;这些数据仅保存在当前浏览器。

04 测试样本与运行结果

以通勤选衣为任务,分别检查系统是否遵守条件、AI 是否改善首推偏好,以及用户能否独立修改并保存。每批保存样本、版本、实际模式和失败明细。

当前版本复测 · 2026-11-11

37/37核心规则回归通过人工开发题 · 12 件评测衣物
11/12补充服务诊断通过含已知问题与对照表达
105/105工程测试通过受控输入与故障注入

补充诊断确认一项未修复问题:“想穿得温暖一些”会被误当成指定衣物,触发多余澄清;同条件改为“怕冷”可继续推荐。本批使用合成天气,未调用真实模型。

历史规则与模型对照 · 2026-11-08

样本来自人工构造的开发题库,按固定题目分母统计预期行为通过数,模型完整执行与降级分别计数。

规则基线

正在读取实际评测摘要…

AI 增强请求

正在检查是否已有真实运行记录…

评价体系与统计口径

评价层指标口径验证方式
任务完成无协助改温、保留条件并保存的任务数 / 全部已开始任务独立操作观察待开展
硬约束有违规搭配的请求数 / 有搭配输出的请求数独立核对单品、锁定、排除、颜色和裙裤
可用性返回合格搭配的可行题数 / 全部预标可行题与违规率一起看,保留无解、澄清和执行错误
连续修改改动目标字段且保留未改条件的任务数 / 全部多轮修改任务每轮预标字段与返回单品检查
澄清质量无需澄清却被追问的题数 / 全部预标无需澄清题检查误澄清,同时验证必要澄清仍保留
AI 增量与代价同候选池首推的胜、平、负、同款及降级结合相同入口的 P95 与成功任务成本,当前单次重排对照待开展

先导搭配偏好评价

4 位参与者对 4 个固定场景完成 16 次选择:hybrid 获选 5 次,规则获选 3 次,持平 8 次;持平的 8 次展示了相同搭配。仅展示衣物名称,由同一聊天转达,且首位完成后曾揭示结果,保留为小样本试跑记录。选择理由与独立操作完成率尚未采集。

当前线上 AI 建议只做单次候选重排;历史 hybrid 同时参与解析和排序。后续对照将固定需求、衣橱、天气和候选池,统一展示样式,随机排列、全部完成后揭盲,并保留同款和降级。

迭代与失败复盘

问题改动验证状态
缺件与软偏好不足被转成澄清,首轮 hybrid 34/37确定性模块判断可行性,模型新增澄清须有原文依据并独立核验D25、D27、D28 真实模型定向复验 3/3;修后完整 hybrid 复测待开展
天气 AI 返回无效候选并回退规则短候选编号映射与校验,建议用受控代码核验后续真实定向请求成功;工程边界测试通过
“想穿得温暖一些”触发多余澄清已定位到规则解析,拟将自然保暖表达归入偏好,并保留锁定、材质反例本批仍未通过,修复与复验待执行

历史 hybrid 的 P95 约 3.48 秒,来自该批本机 HTTP 请求;规则使用进程内计时,两者应在统一入口后再比较。开发回归、定向复验与偏好试跑分别保留分母。

评测方法、需求说明和试用计划可从上方下载。