“这条裤子该怎么搭？”——AI 造型早已今非昔比

三年前，谁能想到你可以直接向手机提问：“明天上午有个商务便装会议，晚上要和客户聚餐，我该穿什么？”如今，AI 造型已经不再只是简单的推荐，而是进化到了真正“读懂”并能与你的衣柜深度互动的阶段。

从智能推荐到对话交流，再到视觉化呈现

AI 造型的演变可以划分为三个主要阶段。

智能推荐时代 (2015–2020) —— “买了这件物品的人也买了……”听起来很耳熟吧？这种被称为“协同过滤”的方法最初主要用于电商平台。但问题显而易见：AI 根本不知道你已经拥有了哪些衣服，也不知道你明天要去哪里。它缺乏对“语境”的理解。

对话交流时代 (2022 至今) —— 随着大语言模型 (LLMs) 的兴起，游戏规则改变了。“我明天上午有个咖啡店会议，下午要拜访客户——请帮我推荐一套以藏蓝色裤子为核心的穿搭。”现在的 AI 已经能理解这些自然语言请求，并利用你衣柜里的现有物品进行组合。Acloset 的 AI 造型就是其中的佼佼者，它能根据你的实际库存生成穿搭方案。

虚拟试穿时代 (2024 至今) —— 更进一步，生成式 AI 现在可以将衣服“穿”在你的照片上。在你真正动身换衣之前，就能预览“这件衬衫穿在我身上效果如何”。

虽然这些阶段是先后发展的，但现在它们正融合为一种无缝的体验：你描述场景，AI 从你的衣柜里找到完美组合，然后向你展示上身效果。就在三年前，这还是科幻电影里的情节。

然而，这里有一个至关重要的区别需要明确。

为你服务的 AI vs. 为平台服务的 AI

即使两个服务都标榜“AI 推荐”，其结果也可能大相径庭，这取决于 AI 到底在为谁工作。

对于电商平台的 AI，数据源是它们的库存，目标是驱动销售。因此，推荐做得越好，你买得就越多。相反，对于数字衣柜 AI，数据源是你已经拥有的衣服，目标是最大化利用率。推荐做得越好，你穿旧衣服的频率就越高。

这并不是说电商 AI 不好。但是，你应该意识到其中的利益冲突。由于平台通过让你购买更多来获利，它们的算法自然会优化到让你按下“购买”键。

数字衣柜 AI 则没有这种冲突。它的唯一目的就是帮你充分利用现有的服装。理解了这一点，你就能更聪明地使用这两类 AI —— 用电商 AI 来购物，用衣柜 AI 来搞定你的日常穿搭 (OOTD)。

AI 的拿手好戏（以及它还做不到的事）

坦白说：AI 造型并不是魔法。

它的强项： 基于规则的配色（例如藏蓝 + 白色）、检测穿着习惯（“这位用户在周一更喜欢正式风”）、通过学习偏好实现个性化，以及 24/7 全天候待命。

仍然面临的挑战： 情感语境，比如“我今天心情有点低落，想穿一套能提振心情的衣服”。它也很难捕捉到只有亲身触碰才能感受到的面料纹理和垂坠感，或者是微妙的文化判断，比如“这套穿搭在今天这个特定场合会不会有点用力过猛？”

归根结底：AI 是一个工具，但最终的决定权始终掌握在你自己的审美手中。当 AI 推荐了三套穿搭时，由你来决定哪一套最适合“今天的你”。通过简单的点赞或踩来进行反馈，你就能帮助 AI 在下一次推荐中变得更加精准。

当你正确建立了这种关系，AI 造型就不再仅仅是一个工具，而是成为了一个帮你进化个人风格的伙伴。但为了充分发挥它的作用，你需要做一点准备。

10 分钟上手，充分挖掘 AI 的无限潜力

要让 AI 给出优质的推荐，它首先得了解你的衣柜。正如那句名言“输入决定输出”，高质量的数据才会带来高质量的结果。

第一步，将至少 80% 的衣物数字化。 如果登记率太低，AI 的选择空间就会受到限制，穿搭方案的质量也必然会下降。

第二步，精准标记标签。 颜色、类别、材质和季节。只要准确填好这四个项，AI 的准确度就会有显著提升。

第三步，坚持记录日常穿搭 (OOTD) 至少 30 天。 AI 会从你的穿着模式中学习。如果没有数据，它只能给出笼统的建议。一旦拥有了 30 天的数据，它就会开始给出真正为你量身定制的方案。

最重要的一点——明确说明场合 (TPO)。“帮我推荐一套穿搭”永远不如“明天上午咖啡店会议，商务便装，以藏蓝色裤子为核心”来得有效。你提供给 AI 的场景细节越多，结果就越理想。

❓ 常见问题 (FAQ)

问：我需要登记多少件物品才能有效使用 AI 造型？
答：我们建议登记 80% 以上的衣物。通常，你至少需要登记 30 件物品才能看到有参考价值的穿搭方案。

问：如果不喜欢 AI 的推荐该怎么办？
答：留下反馈！使用“喜欢/不喜欢”按钮。具体的反馈如“颜色太深了”或“再休闲一点”对提高 AI 准确度非常有帮助。

问：Acloset 的 AI 造型与电商平台的 AI 有什么不同？
答：Acloset 根据你现有的衣服推荐穿搭，帮你减少不必要的开支；而电商 AI 的设计初衷是鼓励你购买新产品。

参考资料与来源：

麦肯锡，《2024 时尚现状：技术版》
Google (2024)，《基于 AI 的虚拟试穿》
Deldjoo, Y., et al. (2022), ACM Computing Surveys

由 Acloset 杂志团队发布。