為什麼「推薦穿搭給我」總是讓人失望？——教你如何正確向 AI 詢問穿搭建議

「推薦穿搭給我。」如果你這麼問，AI 大多只會給出中規中矩的回答。中規中矩意味著適合所有人，而這也代表著並不一定適合你。問題不在於模型，而是在於提問的方式。

空泛的提問，只會換來平庸的回答

如果問專業的真人造型師「我該穿什麼？」，會發生什麼事呢？他們不會立刻回答，而是會反問你：「你要去哪裡？」

這正是對話式推薦系統研究中不斷被提及的核心問題。使用者的提問往往處於資訊不足（underspecified）的狀態，而系統的核心能力之一，正是透過追問來補足缺失的資訊。協助使用者在下一輪對話中釐清需求，本來就是系統的重要任務。

但問題在於，許多服務並不會主動反問，而是直接給出答案。缺乏具體資訊時，系統就只能提供一個最平均的大眾化解答。看到這種回答的我們，往往就會草率地下結論：「這 AI 真的很普通。」

那麼，我們該如何填補這些關鍵資訊呢？

拆解優秀提示詞（Prompt）的構成要素

時尚推薦研究指出：材質與版型等具體屬性、傳達廓形與氛圍的視覺資訊，以及關鍵色彩資訊，都能帶來極大的幫助。雖然這不是適用於所有服務的唯一公式，但絕對是一份讓提問更加具體的實用檢核清單。

將研究用語轉換成日常語言，主要有以下四個要素：

第一，場合（TPO）。 何時、何地、和誰。「明天上午」和「週六晚上」所需要的穿著完全不同。

第二，版型廓形。 以什麼物品為核心進行搭配。一句「以深藍色西裝褲為主」，就能直接過濾掉一半的選項。

第三，色彩範圍。 不需要鉅細靡遺地指定所有顏色。通常只要說出一個想排除的顏色就足夠了，例如「排除黑白色」。

第四，風格氛圍。 你想展現什麼樣的形象？像是「俐落沉穩」或是「看似隨性但有精心打扮的感覺」。少了這點，推薦結果就會顯得平淡無奇。

只要包含這四個要素，即使只有短短兩句話，問題也會變得非常明確。相反地，如果缺少了必要的背景資訊，答案就很有可能淪為平庸。

不過，有時即使提示詞寫得再好，也可能起不了作用。

在寫好提示詞之前，關鍵在於「數據」

AI 只能看見已經登記在衣櫃裡的物品。

如果你的衣櫃只建立了一半，那麼無論提示詞寫得多棒，也只能得到「一半」的答案。因為就算完美的解答在另一半的衣服裡，AI 也不知道它們的存在。

更讓人困擾的是標籤分類錯誤的情況。如果針織衫被標記為「夾克」，那麼優秀的提示詞反而會產生一個無比精準的錯誤答案。這甚至比毫無資訊的隨機推薦還要糟糕。

因此，請遵循正確的順序：先提高衣櫃物品的登記率，檢查確認標籤分類無誤，最後再來優化提示詞。要是顛倒了順序，無論提出多麼精彩的問題，都很難獲得理想的穿搭成果。

準備就緒後，現在就讓我們來學習如何造句吧！

四款直接複製使用的實用提示詞模板

我們整理了幾種可直接套用在不同情境的模板，只需替換其中的物品名稱即可。

上班通勤

明天上午部門會議，下午有外部拜訪。風格為商務休閒（Business Casual）。
以深藍色西裝褲為主，必須搭配西裝外套。整體偏向沉穩色調。

出國旅行

3 月去羅馬，白天 18 度、晚上 9 度。預計參觀兩座教堂，穿著需要遮住肩膀與膝蓋。
一個行李箱的容量，共 5 天份穿搭。

婚禮賓客

週六晚上的室內婚禮。排除白色與黑色。
裙長過膝，鞋子以現有的米色高跟鞋為基準來搭配。

浪漫約會

週五晚上的休閒風格酒吧。不需要走太多路。
舒適但帶有精心打扮的感覺。以我現有的皮衣夾克為核心來搭配。

這四個例子都只有兩三句話，卻完整包含了場合、版型廓形、色彩與風格氛圍。

多加一句話，效果大不同

你還可以更進一步發揮 AI 的潛力。

當 AI 給出推薦時，不妨問問它：「為什麼選擇這個組合？」 聽完 AI 的理由，你就能發現自己漏掉了哪些資訊。例如，如果它回答「因為符合秋季色調」，就代表你剛才沒說明季節，是 AI 自己做出的推測。在下一次的請求中補上這一點，推薦結果就會更加精準。

此外，如果對推薦結果不滿意，試著加入**「排除條件」**。例如「排除上週穿過的組合」、「上身不要針織衫」。很多時候，利用排除法比不斷增加條件，更能激發出令人驚艷的全新穿搭靈感。

在 Acloset 的 AI 穿搭功能中，不妨也試著套用上述模板，並將物品名稱替換成自己的衣服。將滿意的結果保存為穿搭，並在下一次提問時加上排除條件或個人偏好。

不是 AI 聽不懂，而是我們之前沒有把話說清楚。

❓ 常見問題

Q：提示詞寫得越長越好嗎？
A：比起長度，上下文與情境更加重要。場合、版型廓形、色彩與風格氛圍是很好的檢核清單，挑選其中必要的條件，寫成簡單的兩句話就非常足夠。

Q：AI 總是推薦很相似的穿搭組合怎麼辦？
A：試著加入一個排除條件，例如「排除上週穿過的組合」或「不要這個顏色」。善用排除條件往往能為你發掘出全新的穿搭可能性。

Q：在 Acloset 中該如何向 AI 造型師提出請求？
A：直接複製本文中的模板，並替換為你的物品名稱即可。你可以將滿意的結果儲存為穿搭手冊，並在下次提問時加入更多偏好或排除條件。

參考資料與來源：

ACM Computing Surveys, "A Survey on Conversational Recommender Systems"
ACM Transactions on Intelligent Systems and Technology, "Analysing Utterances in LLM-Based User Simulation for Conversational Search"
Fashion and Textiles (Springer), "LLM-generated content-based explanations for user experience in fashion recommender systems"

本文由 Acloset 編輯團隊發布。

為什麼「推薦穿搭給我」總是讓人失望？——教你如何正確向 AI 詢問穿搭建議