测试一下

作业所属课程 H202601软件工程与软件工程实践
作业要求 2026秋软工实践团队作业-第一次（团队展示+选题报告+需求分析）
作业的目标 用真实需求驱动领域 Agent：围绕大学生与上班族的"衣柜满、没衣服穿"痛点，构建一个只盘活已有衣物、不做导购带货的对话式穿搭推理智能体。团队以 171 份真实问卷确定需求优先级，以服装色彩/版型/体型/面料/场景礼仪五类领域知识构建规则引擎与偏好加权双层推理，要求核心功能真实、完整、可运行、可验收。
团队名称 outfit合伙人
团队成员学号-名字 赖彦然-102402106、谢慧彬-102402114、松格拉-102402112、吴佳仪-102402113、李青容-102402111、陈薇薇-102402109、姜思源-102402110、张润-102402115、刘翠华-102402105、阿合加依娜尔-102402108、王凯凤-052403108、王恩嘉-072401214、林诗怡-052402111

本次作业展现内容：团队展示————软件需求规格说明书（需求分析文档）————选题报告

团队展示

团队队名：outfit合伙人

项目具体规划及描述

一、所选领域：面向日常生活场景的对话式穿搭推理与衣橱管理。

二、目标用户：大学生、上班族及不擅长穿搭者

三、调研情况

1、用户核心痛点占比
image

2、软件形态偏好
image

四、智能体定制思路及主要任务

●分层规则引擎：通过硬过滤、通用打分、差异化规则，筛出合法的公共穿搭集合。
●偏好加权：结合临时与长期偏好，对合法集合进行二次排序，实现个性化推荐。
●执行顺序：执行规则引擎 →→ 叠加偏好加权 →→ 输出最终结果。
主要任务：通过“用户负责输入真实数据与主观意图，系统负责底层约束校验与客观推理生成。”的流程，形成“操作触发 → 功能响应 → 结果反馈”的完整闭环

五、团队成员介绍

队员 姓名 性格 擅长的技术 兴趣爱好 希望的软工角色
队长 林诗怡 绿老头和尺子姐随机切换 python 开发、web 前端页面搭建 睡觉&旅游&陪伴电子产品 PM
队员 1 赖彦然 可 I 可 E 后端开发 幕墙 后端
队员 2 刘翠华 ENTP 界面漂亮，UI 设计 进行数字交互场景沉浸式体验 测试
队员 3 阿合加依娜尔 比较内向、有时候 E python 听音乐、看电影、跳舞 前端、测试
队员 4 陈薇薇 INTP Python、SQL 听音乐、看小说 测试开发辅助
队员 5 姜思源 INFP 调研、设计方案 玩游玩、听音乐 测试、文档撰写
队员 6 松格拉 I 人一个 Python 睡觉 资料整理与查重
队员 7 李青容 ISTJ Python, Web 搭建 看小说、玩电子游戏 测试
队员 8 吴佳仪 i 人 检索调优、测试设计 小说、漫画 测试
队员 9 王凯凤 自带 DDL 雷达，不到最后一刻绝不爆发生产力的极限运动爱好者 前端 乒乓球、羽毛球 测试
队员 10 谢慧彬 i 人 前后端开发 睡觉 前端
队员 11 张润 infp 数据处理与分析 画画、睡觉 需求分析与调研
队员 12 王恩嘉 一般 python, c 思考人生 前端

首次合照

735cca9689e7c2c1d17b9e6abd91c472

团队愿景

我们希望做一个不劝你买衣服的穿搭助手，
让衣柜里被忽略的衣服重新被看见，
让每次出门少一点纠结、多一点笃定。
用可解释的推理和真实反馈，
帮大学生和上班族更懂自己的衣橱，
也更理性地消费。

团队分工表

小组 岗位 成员信息 (姓名/学号) 核心职责与交付物
开发与知识库组
(6人)		 S1 赖彦然
102402106		 平台选型、Agent骨架搭建、API联调、Demo稳定化。
(交付：Agent、接口说明、对比素材)
S2 谢慧彬
102402114		 对话界面、领域功能页、API联调、体验打磨。
(交付：可交互前端页面)
S3 松格拉
102402112		 资料清单、清洗结构化、标注出处、知识库清单。
(交付：知识库文档包、来源清单)
S4 吴佳仪
102402113		 文档切片向量化、验证回答质量、建测试题集、回归测试。
(交付：知识库接入、测试题集)
S5 李青容
102402111		 部署上线拿公网地址、写测试用例及报告、整理测试说明。
(交付：公网链接、测试报告)
S6 陈薇薇
102402109		 答辩演示脚本、录完整演示视频、答辩当天操作与应急。
(交付：演示脚本、备用录屏)
选题调研组
(2人)		 S7 姜思源
102402110		 备选选题、写论证、输出大纲、起草团队愿景、画思维导图。
(交付：选题报告、大纲、愿景、导图)
S8 张润
102402115		 设计问卷提纲、线上发放与访谈、写调研报告、画用例图。
(交付：调研报告、画像、用例图)
文档博客组
(2人)		 S9 刘翠华
102402105		 搭国标框架、写介绍与功能描述、做Logo、整合图表写验收标准、导出PDF。
(交付：需求分析文档PDF)
S10 阿合加依娜尔
102402108		 收集队员信息、写博客初稿、帮主笔排版、发布博客、提交作业。
(交付：发布的博客、排版文档)
PPT 答辩组
(2人)		 S11 王凯凤
052403108		 搭模板列大纲、收素材、做PPT初稿、按彩排修改终版。
(交付：答辩 PPT 终版)
S12 王恩嘉
072401214		 写10分钟演讲稿并背熟、建问答库、组织模拟问答、现场主讲。
(交付：演讲稿、问答库)
(全局统筹) 队长 林诗怡
052402111		 负责分工、参与团队工作进度把控，协调各组联调与进度推进。

软件需求规格说明书

1. 引言

1.1 编写目的

本文档为对话式穿搭推理智能体软件需求规格说明书，定义软件全部功能、非功能、接口与数据需求。作为项目概要设计、详细设计、编码、测试、课程评审的依据，面向项目开发人员、测试人员与课程评审教师。

1.2 项目背景

1.2.1 调研依据

现有衣橱类应用多以“图片识别 + 电商导购”为主线，重点是把衣服卖出去，而非盘活用户已有衣物。本项目反向定位：不做导购带货，以“组合已有衣物 + 解释搭配原理 + 减少冲动购买”为核心价值。“衣柜很满、却没有衣服穿”是城市年轻群体中普遍存在的穿衣困境。调研将其拆解为五类具体问题：
序号 痛点 具体表现
1 决策耗时 早上出门为“穿什么”反复犹豫，挤占通勤与早餐时间
2 组合困难 单品数量多，但不知道哪些能互相搭配，形成“衣柜满、没衣服穿”
3 购前失判 网购时无法预判新衣能否与已有衣服搭配，容易重复购买同类单品
4 条件复杂 天气、场合变化后，需要同时兼顾体型、色彩与场合规范，普通人缺少结构化知识
5 审美主观 固定模板式推荐难以适应用户当天的临时风格想法

理论依据来源于服装与形象设计领域的成熟知识体系：服装色彩构成理论、服装造型与版型设计理论、人体体型服饰适配规则、服装材料学面料特性知识、场景着装礼仪规范，以及胶囊衣橱 / 极简衣橱管理理论；同时参考服装设计、形象美学、现代礼仪相关教材与期刊文献。项目运行过程中积累的用户穿搭评价，作为偏好学习的动态数据来源。

1.2.2 调研结果

调研问题：

第一、目标用户是否存在真实的日常穿搭困扰
第二、痛点集中在哪些具体场景
第三、现有解决方式有哪些不足
第四、用户对数字衣橱、天气结合、场合推荐、多轮调整、购前评估等功能的需求程度

调研结论

痛点高频且普遍：54.5% 的受访者每天在穿搭决策上花费 1 分钟以上，穿搭选择是高频的日常负担。

核心矛盾在于“不会组合”：50.9% 的用户觉得“衣服多却没衣服穿”，45.51% 的衣物处于闲置状态。用户缺的不是单品，而是盘活已有衣物的搭配能力。

现有工具存在错位：31.74% 的用户反感现有工具“推荐别人的衣服”，31.14% 认为“不能结合自身体型”，且工具多偏向导购带货，缺乏解释。

需求高度聚焦：用户对“数字衣橱”、“结合天气/场合推荐”、“一次给3套方案”、“解释原因”、“购前评估”及“对话调整”功能需求极高。

形态偏好明确：在软件形态上，37.72% 偏好微信小程序，29.34% 表示均可，明显高于单独偏好 Web（1.8%）或 App（31.14%）的比例，建议优先开发小程序端。

1.3项目介绍

1.3.1 项目概况

本项目是一个面向大学生、上班族的对话式穿搭推理智能体。用户通过下拉标签表单搭建轻量数字衣橱，系统对接天气接口、获取使用场景，结合用户体型、本次临时偏好与长期历史偏好，一次性输出 3 套差异化穿搭方案，并给出可解释的搭配理由。项目不上人工智能图片识别，图片仅做前端预览，衣物信息靠下拉标签录入，重点放在穿搭推理与可解释推荐。系统支持购前新品搭配评估，记录穿搭评价，持续学习用户长期偏好，帮助用户减少盲目买衣服。

核心目的：盘活用户已有衣物，不做导购带货。

1.3.2 智能体定制思路

  • 分层规则引擎：通过硬过滤、通用打分、差异化规则，筛出合法的公共穿搭集合。
  • 偏好加权：结合临时与长期偏好，对合法集合进行二次排序，实现个性化推荐。
  • 执行顺序：执行规则引擎 →→ 叠加偏好加权 →→ 输出最终结果。

思路

通过“用户负责输入真实数据与主观意图，系统负责底层约束校验与客观推理生成。”的流程，形成“操作触发 → 功能响应 → 结果反馈”的完整闭环

1.3.2目标用户
用户类型 典型特征 核心诉求
大学生 单品数量中等、预算有限、场合以上课与社团为主，早上时间紧 快速得到“今天穿什么”的可行方案，不出错
上班族 通勤与办公场合要求较正式，单品多但搭配时间少 兼顾场合得体与舒适，减少早晨决策负担
不擅长穿搭者 缺少色彩、版型、面料的结构化知识，依赖模仿 要能讲清“为什么这样搭”，逐步建立自己的判断

1.3.3典型使用场景
编号 场景 用户动作 系统响应
场景1 早八上课 输入“帮我搭配今天上课的穿搭” 读取当日天气，结合课业场合与衣橱单品，输出 3 套方案及理由
场景2 通勤 / 面试 选择场合“面试”，勾选临时偏好“暗色 + 基础款” 按正式度筛选单品，控制色彩数量，给出偏稳重的 3 套方案
场景3 网购前评估 录入待购单品（参考图 + 标签） 判断能否与现有衣橱搭配、是否与已有单品重复，给出购买建议
场景4 多轮微调 “把长裤换成半身裙，不要黑色衣物” 在上一轮方案基础上替换单品，保持其余条件不变并重新解释理由
场景5 偏好沉淀 对穿过的方案评价“喜欢 / 一般 / 不喜欢” 记录反馈并更新长期偏好权重，影响后续推荐排序

1.3.4 思维导图

思维导图自中心“对话式穿搭推理智能体”展开六个一级分支，分别对应衣橱、场景、偏好与推荐、多轮对话、购前评估、偏好学习

image

1.4 项目范围

1.4.1 本版本（1.0 版）包含功能

  1. 数字衣橱录入：衣物图片上传预览、下拉标签录入衣物属性、电子表格批量导入衣物
  2. 场景信息获取：对接天气接口获取温湿度、降雨；支持手动选择场合、自然语言输入穿搭需求
  3. 偏好选择、穿搭推荐、多轮对话调整（核心）：临时偏好选择，智能体生成 3 套差异化穿搭方案与搭配理由，支持文字 / 快捷按钮修改搭配
  4. 新品购前评估：录入待购衣物信息，智能体分析搭配能力、判断单品重复
  5. 用户偏好学习闭环：用户对穿搭方案评价，系统持续学习个人长期穿搭偏好

1.4.2 本版本（1.0 版）不包含（二期拓展）

  1. 衣物图片人工智能识别
  2. 近场通信衣柜标签碰一碰录入衣物功能

1.5 术语与缩写
术语 说明
穿搭智能体 后端推理模块，依据服装理论、天气、场合、用户偏好筛选、打分，生成穿搭方案
临时偏好 单次穿搭推荐生效的用户偏好，优先级高于长期偏好
长期偏好 用户多次穿搭评价积累得到的个人风格权重，用于推荐排序
硬规则 客观筛选条件（季节、温度、场合），仅过滤衣物，不参与打分排序
软件需求规格说明书 本文档的文档类型

1.6 参考资料

1.6.1 国际软件需求规范标准

1.6.2对话式穿搭推理智能体项目计划书

1.6.3选题报告

1.6.4知识来源

  1. 服装色彩构成理论
  2. 服装造型与版型设计理论
  3. 人体体型服饰适配规则
  4. 服装材料学面料特性知识
  5. 场景着装礼仪规范
  6. 胶囊衣橱与极简衣橱管理理论
  7. 参考服装设计、形象美学、现代礼仪相关专业教材与期刊文献
  8. 项目运行过程中的用户穿搭评价反馈，作为偏好学习的数据来源

2. 总体描述

2.1 产品视角

本产品为网页应用，分为前端交互层、后端业务服务层、穿搭智能体推理模块、数据库。

  • 前端：页面展示、图片预览、收集用户输入、文件上传、基础表单校验，不执行穿搭推理；将用户请求发给后端，展示后端返回结果。
  • 后端：负责数据持久存储、电子表格文件解析、调用第三方天气接口；穿搭智能体全部推理逻辑（过滤、打分、生成搭配、新品评估、偏好学习）均在后端执行，返回结构化结果给前端。

2.2 用户特征

目标用户为大学生、年轻上班族。可以操作网页表单、上传图片文件；无编程基础；需求是利用已有衣柜衣物获取穿搭方案，网购前评估新衣服适配性。

2.3 运行环境

  • 前端：主流现代个人电脑浏览器
  • 后端：网页后端服务，搭配关系型数据库
  • 网络：联网用于调用天气接口；天气接口失效时系统支持手动输入参数降级使用

2.4 约束

  1. 1.0 版不开发图像识别，图片仅前端预览，衣物属性依靠下拉标签手动录入
  2. 近场通信衣物标签功能属于二期拓展，本版本不实现
  3. 用户输入表单必须做合法性校验，防止非法数据入库
  4. 不同用户的数据相互隔离，用户仅可访问自身衣橱数据
  5. 偏好优先级规则：本次临时偏好 > 长期历史偏好 > 系统客观硬性过滤规则；硬规则只做过滤，不参与排序打分

2.5 假设与依赖

  1. 假设用户手动填写衣物标签信息，愿意对穿搭方案给出评价反馈
  2. 依赖第三方天气接口获取温度、降雨信息；接口不可用，允许用户手动输入天气参数，系统继续运行
  3. 用户浏览器支持图片上传与预览功能

3. 具体需求

3.1 外部接口需求

3.1.1 用户界面需求（前端）

系统页面包含：衣橱录入页、场景设置页、穿搭推荐对话页、新品评估页、评价反馈页面。

  1. 衣橱录入页面：图片上传预览组件、下拉标签表单、电子表格文件上传控件
  2. 场景页面：天气展示区域、场合选择下拉框、自然语言需求输入框
  3. 穿搭对话页面：临时偏好快捷选择按钮、对话输入框、穿搭方案与搭配理由展示区域、多轮调整快捷按钮
  4. 新品评估页面：新品图片预览、新品标签勾选表单、评估结果展示
  5. 评价组件：喜欢 / 一般 / 不喜欢评价按钮

3.1.2 第三方软件接口

天气接口：传入位置信息，返回温度、降雨参数；接口调用失败支持降级，允许用户手动填写天气信息。

3.1.3 通信接口

前端向后端发送业务请求，后端返回结构化数据。

3.2 功能需求

3.2.1 前端功能
页面 主要功能 关键交互
首次资料填写(补充) 性别（男/女必选）、常用城市（必填）、身高/体型/风格（选填） 选择性别和城市后才允许提交；选填项不阻挡进入；提交后进入首页。
首页（今日推荐） 展示城市与天气（温度/降雨/状况）、最多3套今日搭配、搭配理由与注意事项；衣橱为空时引导添加衣物（不虚构） 查看详情、换一批、喜欢/一般/不喜欢、继续调整；人工智能对话/电子衣橱/购前评估入口。当天首次生成并保存，再次进入默认展示已有方案；处理天气失败、加载中等状态。
电子衣橱页 按品类（短袖衫/裤子/裙子等）分组展示及数量统计；按颜色/季节/场合筛选；查看详情、编辑、删除、修改状态（可穿/清洗中/暂不可穿） 点击分类查看单品；下拉标签筛选；提供新增衣物、电子表格导入入口。排除不可穿衣物进入推荐。
衣物录入/编辑页 新增或编辑衣物：名称/品类/主颜色（必填）、季节或厚薄（至少一项）、版型/面料/场合/备注（选填）、图片（选填，仅预览） 全部为下拉或点选（支持“其他”）；图片上传后显示预览，支持替换或删除；控制必填项数量。
电子表格批量导入页 模板下载、文件上传、逐行导入结果展示 展示成功条数；失败行返回具体原因，支持用户修正。
人工智能对话穿搭页 展示对话消息与最多3套方案卡片（单品、理由）；支持文本输入和多轮调整 快捷调整项（如“换成裙子”“不要黑色”“更休闲”）；方案卡片提供喜欢/一般/不喜欢评价。
对话调整/反馈区(合并/细化) 选定方案后标记“今天穿了”；提交实际穿着反馈（舒适度/保暖性/场合适配度及原因标签，可选文字） 推荐反馈（喜欢/一般/不喜欢）与穿着反馈分开保存；保留每轮消息和方案供查看调整过程。
购前评估页 上传新品参考图并填写标签（复用衣物表单控件）；展示可搭配衣物、代表性组合、组合数量、相似单品及判断依据（基于标签） 提供追问入口；明确提示“基于用户填写的标签”，不给出“肯定重复”等超出数据能力的结论。
历史记录页(补充) 区分展示推荐评价、对话历史、购前评估历史；历史方案使用生成时的快照展示 查看历史详情；支持查询和删除历史记录。
个人资料与设置页(补充) 修改基础资料（性别/城市等）；查看或重置长期偏好；删除反馈 提供偏好重置入口；资料修改后同步更新后端。

3.2.2 后端功能
服务模块 功能说明 输入 / 输出
用户与鉴权服务(补充) 用户注册/登录；维护用户资料（性别仅限男/女，城市非空） 账号、资料字段 / 用户对象、令牌
衣橱服务 衣物增删改查；维护归属关系；按属性筛选；排除已删除/清洗中/暂不可穿的衣物进入推荐 衣物对象 / 筛选结果集
图片与导入服务(补充) 保存衣物及新品图片，返回预览地址（不解析内容）；解析电子表格并校验字段 图片文件/电子表格文件 / 图片链接地址、成功条数及失败原因
场景与天气服务 对接天气接口（温度/降雨/状况）；获取并缓存天气数据；合并用户输入场景（约会/通勤等）与自然语言限制 日期、城市、场合文本 / 天气快照、场景对象
规则约束引擎 硬性约束：天气/场合/库存/可穿状态筛选；校验候选衣物必须属于当前用户且可穿；若缺货需说明原因并给替代方案 候选单品集 / 合规单品集
方案生成与解析(修正) 从真实衣橱中生成候选搭配（上装+下装+鞋履，视天气加外套；连衣裙作为主体）；人工智能仅负责解析语义和组织解释，禁止虚构单品；最多返回3套有效方案 合规单品集、用户偏好、对话意图 / 合规组合（≤3套）、冲突询问/确认
理由生成 为每套方案生成可解释文案（色彩、比例、面料、场合四个维度），返回搭配理由及注意事项 方案 / 搭配理由文本
对话理解与多轮调整 解析“把长裤换成半身裙”“不要黑色”等指令，定位待替换单品槽位；关联会话编号保存消息和调整记录 指令文本 / 约束条件、会话编号
反馈与偏好学习 区分记录推荐反馈和穿着反馈；仅凭用户主动提交的反馈更新长期偏好（不自动记录不喜欢）；简单权重汇总偏好；提供重置能力 方案编号、反馈类型、评价、原因 / 偏好权重
购前评估服务 保存新品标签和图片地址；与现有衣橱按品类/颜色/季节/版型/场合比较；生成可行组合并统计；识别相似单品 新品标签 / 评估报告（可搭数量、相似度依据）
历史快照服务(补充) 保存推荐结果和天气快照；保存方案中的衣物编号及生成时的衣物信息快照，确保衣物删除后历史仍可展示；保留历史记录并支持删除 会话编号、方案编号 / 历史记录列表、删除结果
统一推荐规则 首页推荐与对话推荐共用同一套搭配校验与排序逻辑；本轮临时偏好优先于长期偏好进行排序 用户数据、场景约束 / 排序后的推荐方案

3.2.3 类图

类图给出后端领域模型的主要实体、属性与关键方法。用户与衣物单品、穿搭方案、偏好档案之间为一对多关系；穿搭方案组合多个衣物单品，并关联场景与临时偏好；推荐智能体依赖规则引擎与偏好档案完成分层推理；购前评估器查询衣橱数据完成购前评估。

image
类名 职责 关键属性 关键方法
用户 用户基本信息与体型 体型、风格标签 获取资料、更新体型
衣物单品 衣橱中的单件衣物 品类、颜色、季节、版型、面料、场合标签 颜色匹配、适用场合判断
穿搭方案 一套搭配方案 单品编号、得分、理由、场景编号 生成理由、替换单品
场景 本次穿搭的场景条件 温度、是否降雨、场合、原始输入 是否需要防水、正式程度
临时偏好 仅本次生效的临时偏好 色彩倾向、风格倾向 是否跳过、偏好描述
偏好档案 长期偏好权重 长期权重、更新时间 应用反馈、主要风格
反馈记录 穿搭反馈记录 方案编号、评价 转权重增量
规则引擎 客观硬性规则集 规则集 按天气过滤、按场合过滤、三色校验、体型校验
推荐智能体 分层推理与方案生成 规则引擎、偏好档案 生成推荐、排序、生成理由、多轮调整
购前评估器 购前可搭性与重复度评估 衣橱 可搭配数量、重复单品判断、评估报告

3.3 用例

deepseek_mermaid_20261022_4eba3c
用例编号 用例名称 参与角色 关系类型 用例描述与操作逻辑
用例1 录入/导入衣物 用户 基础操作 用户通过表单下拉录入或电子表格导入衣物属性。系统校验并保存，衣橱为空时无法进行后续推荐。
用例2 输入需求与临时偏好 用户 基础操作 用户选择穿搭场景、输入自然语言需求并勾选本次临时偏好。系统解析这些约束条件。
用例3 多轮对话调整 用户 基础操作 用户对已生成的方案提出修改（如“换裙子”）。系统在真实衣橱中重新匹配替换单品。
用例4 评估新品可搭性 用户 基础操作 用户上传新品标签，系统与现有衣橱比对，输出可搭配数量及相似重复度参考。
用例5 提交穿搭反馈 用户 基础操作 用户对方案进行“喜欢/一般/不喜欢”评价，或提交实际穿着的舒适度反馈。
用例6 生成 3 套搭配方案 系统 核心用例 系统的核心业务逻辑。基于用户衣橱、硬性规则引擎和偏好加权，生成最多 3 套合法方案。
用例7 获取天气信息 系统 包含 被用例6包含。系统生成方案前，必须强制拉取当地天气数据作为硬过滤条件，失败则提示用户。
用例8 查看搭配理由 系统 包含 被用例6包含。系统生成方案后，必须同步生成色彩、版型、场合等维度的解释文案。
用例9 更新长期偏好 系统 包含 被用例5包含。系统必须根据用户提交的反馈，进行后台的偏好权重更新计算。

4. 非功能需求

4.1 性能需求

  1. 穿搭推荐业务处理响应时间≤2 秒（天气接口网络耗时不计入）
  2. 单用户衣橱至少可存储 200 件衣物
  3. 支持至少 10 名用户并发使用系统

4.2 可用性需求

  1. 核心穿搭、衣橱管理功能可用率≥95%
  2. 天气第三方接口故障可降级，系统不会崩溃，允许手动输入天气参数

4.3 安全需求

  1. 用户数据隔离，用户只能查看、修改自己衣橱内数据
  2. 所有前端输入进行校验，防止非法数据存入数据库
  3. 用户上传图片仅本人可见

4.4 可维护性需求

  1. 穿搭硬规则、偏好打分逻辑与业务代码解耦，便于后续修改穿搭理论规则
  2. 模块低耦合，方便二期扩展近场通信标签功能

4.5 易用性需求

  1. 尽量使用下拉、快捷按钮，减少大段文字输入
  2. 报错提示面向普通用户，不展示底层技术错误信息

5. 数据需求

系统持久化存储以下数据：

  1. 用户账号、体型基础信息
  2. 用户衣橱衣物数据：图片存储地址、品类、颜色、季节、版型、面料、适用场合、风格标签
  3. 用户长期穿搭偏好权重数据
  4. 历史生成穿搭方案、搭配理由
  5. 用户穿搭评价记录
  6. 穿搭会话临时参数：单次临时偏好、场景信息

6.验收标准

6.1 验收原则

验收不比对“绝对好看”，而以可核查的三类指标判定：① 任务能否完成（代表性领域任务）；② 结果是否合规可解释（规则与理由检查）；③ 偏好是否真的生效（定制效果检查）。

6.2 代表性领域任务
编号 任务 操作步骤 通过判定
任务1 建立初始衣橱 录入 10 件衣物：5 件用手动标签，5 件用 电子表格批量导入 10 件全部入库，属性与填写一致，列表可见
任务2 天气驱动的推荐 输入“今天上课穿什么”，当日有降雨 3 套方案均不含不合雨天面料单品，且至少含一件防水/外套类单品
任务3 临时偏好生效 同一衣橱、同一场景，分别选“亮色”和“暗色”各生成一次 两次方案的主色系明显不同，且各自符合所选色彩倾向
任务4 搭配理由可核查 打开任一方案的理由 理由至少覆盖色彩、版型/比例、面料、场合四个维度中的三项，且与方案单品一致
任务5 多轮调整 在方案基础上输入“把长裤换成半身裙” 该套方案裤装被替换为半身裙，其余单品与场景条件不变
任务6 排除类指令 输入“不要黑色衣物” 重生成后方案中不含颜色为黑色的单品
任务7 购前评估 录入一件与现有衣橱同品类、同色系新品 系统给出“可与 N 件搭配”的结论，并提示与已有单品重复
任务8 偏好学习闭环 对 5 套方案给出“喜欢/不喜欢”后重新生成 推荐排序发生可观察变化，喜欢的风格权重上升

6.3 定制效果检查方式
检查项 检查方法 量化口径
规则合规率 对生成的 N 套方案逐条核对硬性规则（气温、场合、三色原则、体型避坑） 合规方案数 / 总方案数 ≥ 95%
理由一致性 抽检方案理由与单品属性是否矛盾（如理由称“亮色”但单品为深色） 抽检 30 套，矛盾数 = 0
偏好生效度 固定衣橱与场景，仅切换临时偏好，比较两次结果的主色/款式分布 ≥ 2 次 / 3 次 的方案出现预期方向变化
多轮保持度 执行“替换单品”指令后，核对未涉及的槽位是否被误改 未涉及槽位变动数 = 0
响应时延 从提交需求到 3 套方案渲染完成 ≤ 5 秒（本地或测试环境）
购前判断可用性 人工核对评估结论与实际可搭组合是否相符 抽检 10 件，结论正确率 ≥ 80%
主观满意度（辅助） 邀请 5–10 名目标用户对 20 套方案打分（1–5） 平均分 ≥ 3.5，且不得出现明显不合场合方案

说明：本项目不以“所有用户都觉得好看”为目标，因此验收以“合规 + 可解释 + 偏好可感知”为主，主观满意度仅作为辅助参考。初稿阶段的量化阈值可在详细设计后按实际数据微调。

智能衣橱穿搭 Agent 项目选题论证报告

一、 为什么选择本课题

市面上多数衣橱类应用重心放在衣物图像识别、服饰导购带货，缺少以盘活用户已有衣物为核心的工具。大学生、上班族普遍存在“衣柜满满，出门不知道穿什么”的现实痛点。

本项目核心聚焦穿搭推理 Agent、可解释穿搭推荐、双层偏好机制，不把 CV 图像识别作为核心开发内容，规避图像识别的技术难点；核心业务逻辑集中在知识工程、大模型 Agent 任务拆解、用户偏好学习。

  • 技术可行性：大模型对话能力成熟，使“多轮自然语言调整穿搭”成为可能；天气 API、结构化标签录入等技术门槛低，适合学生团队在课程周期内落地。
  • 工作量可控：项目功能划分清晰，区分核心功能与二期拓展功能，开发工作量可控。
  • 场景契合度：场景贴近真实日常生活，非常适合作为课程项目落地。

二、 需求是否真实

  1. 用户痛点真实：社交平台大量存在早晨纠结穿搭、衣服多不会搭配、网购新衣买回来无法和旧衣服搭配的讨论，是上班族、大学生高频生活困扰。
  2. 现有产品存在短板：现有衣橱 APP 偏向图像识别与商品导购；缺少可解释的穿搭推理，缺少单次临时偏好与长期偏好结合的机制，缺少新品购前评估辅助理性消费的模块。
  3. 使用场景明确：覆盖上课、通勤、面试、出游等日常真实场景；同时支持网购前新品适配评估。
  4. 需求具备持续性：用户穿搭偏好会随季节、场合、心情变化，需要“使用—评价—更新偏好”的闭环来持续贴合，而不是一次性推荐。

三、 领域边界

（一）项目核心实现范围（本期做）

  1. 标签表单式数字衣橱录入：图片仅用于前端预览，衣物属性依靠下拉标签录入，支持 Excel 批量导入；
  2. 场景与天气结合：对接天气 API 获取温度、降雨，支持用户输入场合、自然语言提交穿搭需求；
  3. Agent 智能推理：基于服装专业客观规则，结合本次临时偏好、长期用户偏好，输出 3 套附带搭配原理的穿搭方案，支持多轮对话调整搭配；
  4. 新品购前评估：分析新品与现有衣橱适配程度、单品重复情况；
  5. 偏好学习闭环：收集用户穿搭评价，迭代更新用户长期穿搭偏好。

软件载体：微信小程序 / Web 网页。

（二）此次版本不实现（本期不做）

  1. 衣物 AI 图像识别解析（图片仅前端预览）；
  2. NFC 硬件打卡记录穿搭；
  3. 服饰电商导购、商品跳转购买；
  4. AI 生成穿搭效果图、人体虚拟试衣；
  5. 服装工业 CAD、服装设计生产相关功能。

注：本文档为智能衣橱穿搭 Agent 课程项目选题论证材料。

附录：

软件需求规格说明书（SRS）：https://docs.qq.com/doc/DZHFya3Rkb3diZ1RV
选题报告：https://docs.qq.com/doc/DZG9BWHZEZkN3ZFVy
调研数据：https://docs.qq.com/sheet/DZEJyeUhjckhBaXhM
调研报告：https://docs.qq.com/doc/DZHBwdExiZGZYdG10

posted @ 2026-10-23 11:53  Annabelle-Lin  阅读(3)  评论(0)    收藏  举报