NAS变身AI智能衣柜：零成本打造私人穿搭助理，告别每日搭配烦恼

每天早上打开满满当当的衣柜，你是否也常常陷入“今天穿什么”的灵魂拷问？穿衣选择困难几乎人人都有，衣服越买越多，管理越来越难，翻遍衣架也凑不出一套满意的搭配。如果你正好也有这类烦恼，不妨来看看本期介绍的 AIWardrobe 项目，或许它能成为拯救你早起纠结的贴心助理。

部署和使用过程中若遇到异常，请翻阅文末的常见问题部分，大部分卡点都能迎刃而解。

项目简介

项目全称 leoz9/AIWardrobe，你可以在 GitHub 上直接搜索找到它。

AIWardrobe 是一套开源的 AI 智能衣橱系统，主要能力包括：录入衣物、批量上传衣照、AI 自动识别衣服属性、虚拟衣柜管理，以及结合实时天气和用户场景自动生成穿搭推荐。

核心功能亮点

• 智能图片上传：上传衣服照片后，自动调用 rembg 去掉背景，并由视觉模型识别服装的品类、颜色与风格标签。
• 天气感知穿搭：对接 Open-Meteo 全球免费天气接口，能根据当日天气实时调整搭配建议，让你穿得既得体又应季。
• 虚拟衣橱管理：以卡片或列表形式结构化展示衣橱，支持浏览、搜索和分类检索所有衣物。
• AI 个性推荐：兼容 Gemini 与 OpenAI 风格的接口，可自由选择大模型来生成个性化穿搭方案。
• 全设备适配界面：基于 Tailwind CSS 构建，完美适配桌面、平板和手机等不同尺寸的屏幕。

上手部署

这里以威联通 NAS 为例，直接使用 Docker Compose 一键启动服务。

部署配置参考如下：

services:  
  aiwardrobe:  
    image: ghcr.io/leoz9/aiwardrobe:latest  
    container_name: ai_wardrobe  
    restart: unless-stopped  
    ports:  
      - "8000:8000" # 建议先别改  
    environment:  
      DB_FILE_PATH: /app/backend/data/wardrobe.db  
      # Gemini 可选。如果不用 Gemini，可以先留空。  
      GEMINI_API_KEY: ""  

      # 和风天气 API。没有的话可以先留空，但天气相关功能可能不可用。  
      QWEATHER_API_KEY: ""  
      QWEATHER_API_HOST: devapi.qweather.com  

    volumes:  
      - /share/Container/aiwardrobe/backend/uploads:/app/backend/uploads # 衣物图片目录  
      - /share/Container/aiwardrobe/backend/data:/app/backend/data # 数据库目录  

    healthcheck:  
      test: ["CMD", "curl", "-f", "http://localhost:8000/health"]  
      interval: 30s  
      timeout: 5s  
      retries: 3  
      start_period: 20s

在威联通 Container Station 中新建应用，将上述内容粘贴进去，启动即可。

实际使用体验

部署完成后，在浏览器地址栏输入 NAS_IP:8000 就能进入衣橱界面。随着作者的持续更新，现在的 UI 更偏向移动端交互，用手机打开体验尤其顺畅。

点开右上角设置，先完成 AI 相关配置。这里尤其要注意：模型名称必须选择支持图片输入的视觉模型。纯文本模型或仅支持文本的 OAI-compatible 接口在这里行不通，因为 AIWardrobe 在识别衣物图片时需要将图像内容发送给模型进行理解。

下方的“抠图”配置，默认显示的是第二个选项，但它并没有可用额度。直接切换到“本地离线”模式即可，此处的抠图能力也依赖于前面配置的 AI 模型。

一切准备就绪后，即可挑选衣服图片进行上传。支持一次批量倒入多件，如果你想为每件衣物单独精细化设定标签，那么一张张上传会更可靠。

这里用几张网图来演示效果。

图片上传后会自动完成抠图、命名以及标签分类，整体识别效果相当不错。

在“随机穿搭”模块，还可以查看系统自动组合出的搭配方案。

首页信息概览会展示衣橱的统计数据和天气概况。

到了最核心的 AI 穿搭推荐部分，只需输入你期望的穿着场景，系统就会综合实时天气、衣橱里的衣物、场景需求以及你的“幸运色”等多维信息，为你分析出一套有板有眼的搭配方案。

AI 给出的分析结果头头是道，看起来还真像那么回事，有趣又实用。

常见问题与排错

这些也是我自己踩过的坑，图片相关的问题已在前面顺带交代，这里再补充两个高频卡点。

端口改动建议

端口映射建议直接保持 8000:8000，不要轻易改成 8008:8000 之类的自定义映射。

如果确实有修改端口的需要，你必须将项目文件 git clone 到本地，然后编辑 frontend/src/utils/api.js，将：

export const API_ORIGIN = `http://${window.location.hostname}:8000`

修改为：

export const API_ORIGIN = window.location.origin

保存后自行构建镜像进行部署，才能让前端正确调用后端接口。

穿搭推荐无法生成

有时页面能正常打开，天气和衣橱数据也能顺利加载，但点击“生成今日穿搭推荐”后没有任何反应。查看后端日志会发现推荐接口返回 500 错误，核心报错为 NameError: name 'build_color_tokens' is not defined。这属于代码只调用了函数却缺少函数定义的临时 bug，我们可以手动打一个补丁。

通过 SSH 登录 NAS，执行下面这段命令，执行完重启容器即可（首次执行会自动备份原始文件）：

docker exec -i ai_wardrobe python - <<'PY'  
from pathlib import Path  

path = Path("/app/backend/services/recommendation.py")  
text = path.read_text(encoding="utf-8")  

backup = Path("/app/backend/services/recommendation.py.bak")  
if not backup.exists():  
    backup.write_text(text, encoding="utf-8")  

patch = r'''  
COLOR_ALIASES = {  
    "黑": {"黑", "黑色", "black", "dark"},  
    "白": {"白", "白色", "white", "ivory", "米白"},  
    "灰": {"灰", "灰色", "gray", "grey"},  
    "蓝": {"蓝", "蓝色", "blue", "navy", "藏青", "牛仔"},  
    "红": {"红", "红色", "red", "wine", "酒红"},  
    "粉": {"粉", "粉色", "pink"},  
    "紫": {"紫", "紫色", "purple", "violet"},  
    "绿": {"绿", "绿色", "green", "olive", "军绿"},  
    "黄": {"黄", "黄色", "yellow"},  
    "橙": {"橙", "橙色", "orange"},  
    "棕": {"棕", "棕色", "brown", "咖啡", "卡其", "khaki"},  
    "米": {"米", "米色", "beige", "cream"},  
    "金": {"金", "金色", "gold"},  
    "银": {"银", "银色", "silver"},  
}  

ACCESSORY_KEYWORDS = {  
    "帽", "帽子", "围巾", "手套", "腰带", "皮带", "包", "背包", "项链",  
    "手链", "耳环", "耳饰", "戒指", "手表", "眼镜", "墨镜", "accessory",  
    "hat", "scarf", "belt", "bag", "watch", "necklace", "bracelet",  
    "ring", "glasses", "sunglasses"  
}  

def build_color_tokens(lucky_color: str) -> set[str]:  
    raw = (lucky_color or "").strip().lower()  
    if not raw:  
        return set()  

    tokens = {raw}  
    for canonical, aliases in COLOR_ALIASES.items():  
        alias_set = {str(alias).strip().lower() for alias in aliases}  
        if raw in alias_set or canonical in raw or any(alias in raw for alias in alias_set):  
            tokens.update(alias_set)  
            tokens.add(canonical)  
    return {token for token in tokens if token}  
'''  

if "def build_color_tokens" not in text:  
    marker = "def score_item("  
    if marker not in text:  
        raise SystemExit("没有找到 def score_item，未修改文件")  
    text = text.replace(marker, patch + "\n" + marker, 1)  

if "ACCESSORY_KEYWORDS" not in text:  
    marker = "def extract_wardrobe_accessories("  
    if marker in text:  
        text = text.replace(marker, "ACCESSORY_KEYWORDS = set()\n\n" + marker, 1)  

path.write_text(text, encoding="utf-8")  
print("patched")  
PY

打完补丁后重启容器，推荐功能应当恢复正常。

结语

AI 的能力正在向日常生活深处渗透，越来越多的实用小项目也在社区中涌现。希望未来能看到更多像 AIWardrobe 这样接地气又有趣的开源作品，让技术真正为生活带来便利与乐趣。