在大多数人对 AI 眼镜的想象里它常常承担的是“看见世界、检索信息、导航翻译”的角色。但当我开始思考 AI Glasses 的日常落地场景时我意识到一个更高频、更贴近日常生活的方向实时穿搭辅助。相比传统手机 AppAI 眼镜最大的优势不只是“能看”而是它能在用户真实出门前、镜子前、试衣间、通勤途中提供一种更自然、更即时的反馈方式。用户不需要先拍照、上传、等待分析也不需要在多个页面中来回切换只要抬头看向镜子或当前穿搭AI 就能结合视觉信息、天气情况与出行场景给出适合当下的搭配建议。基于这个想法我开发了一个运行于 AI Rokid Glasses 场景中的实时穿搭适配推荐智能体。它的目标并不是成为一个高高在上的“时尚评论员”而是成为用户的随身造型顾问识别当前穿搭、理解当日天气、询问出行场景并在尽量保留现有单品的前提下给出自然、明确、可执行的优化建议。一、为什么是 AI Glasses而不是传统穿搭 App传统穿搭推荐产品通常有两个问题。第一它们往往停留在“推荐图片”或“风格模板”层面很难结合用户此刻的真实状态给出判断。第二它们的交互链路较长用户需要主动拍摄、上传、等待分析体验上偏重。AI Glasses 则天然适合“实时建议”这一能力。穿搭本质上是一个高度依赖场景、时间和即时反馈的行为今天气温高不高、湿度重不重、是去上班还是约会、脸部状态偏清透还是偏疲惫这些变量都会影响最终建议。眼镜作为第一视角终端既能承接摄像头画面又能承接语音对话因此特别适合做“边看边建议”的穿搭助手。从产品角度看这种应用也具备明显价值。它不是在教用户“什么是时尚”而是在帮助用户快速回答三个更实际的问题今天这套能不能穿差在哪里怎么立刻变更好二、从需求到产品定义我想做的不是“评分器”而是“优化器”在项目初期我并没有把这个智能体定义成“穿搭打分工具”。原因很简单打分会让反馈变得僵硬、单一也容易让用户产生被评判感。相比之下我更希望它能扮演一个真实可用的助手角色。因此我在角色设计上做了三个核心限定第一优先优化不轻易推翻。很多穿搭建议系统一上来就会给出“换一整套”的方案但现实中用户并不总有时间和条件重新搭配。这个智能体应当优先基于用户现有穿着去做微调例如换鞋、加外套、补配饰、调整穿法而不是直接重构整套造型。第二建议必须场景化。同样一套衣服穿去通勤、约会、旅行、见客户判断标准完全不同。所以系统不能脱离场景做“纯审美评价”而要把天气和出行目的一起纳入决策。第三语言必须自然可执行。AI 眼镜的交互不是长文本阅读而更接近耳边提醒。因此输出不应该是大段时尚术语而应该像一个真正懂穿搭的朋友那样说“这套方向没错但下半身有点重鞋子换轻一点会更利落。”三、开发过程从 Prompt 设计到能力拆分在开发过程中我把智能体的能力拆成了四个层次。用户意图确认层在正式推荐前智能体会先确认推荐方向例如先问一句“你今天希望我按男生穿搭还是女生穿搭来帮你推荐”这一步看似简单但非常关键。因为不同用户对穿搭的期待、轮廓、风格语义并不一致。先确认推荐方向可以明显减少后续建议偏差。如果用户表达的是“偏中性”“偏温柔”“偏利落”系统则按风格倾向而不是固定性别标签来组织建议。2. 外部环境感知层第二层能力是识别天气与环境。我没有让智能体只是复述气温而是要求它把天气信息“翻译”为穿搭语言。例如高湿度意味着尽量避免厚重不透气材质紫外线强意味着可以增加帽子、墨镜、浅色外搭昼夜温差大则说明更适合可穿脱叠搭。这样一来天气信息就不再是附属说明而成为穿搭建议的直接输入条件。3. 当前造型分析层第三层是视觉分析也是最核心的部分。智能体需要从摄像头画面中识别上衣、下装、鞋子、外套、包和饰品并进一步分析版型比例、上下身松紧关系、色彩主次、整体风格倾向以及服装与面部气色之间的协调程度。这里我特别强调了一个边界只根据可见信息做风格判断不做健康或敏感属性推断。这既是体验问题也是产品安全边界问题。穿搭建议系统可以说“这件颜色会让面部显得偏暗”但不应越界做健康判断。4. 场景决策与话术输出层最后一层是把前面三层能力整合成真正有用的建议。我给智能体设定了固定的输出顺序先做一句总体评价再指出 1 到 3 个最关键问题最后给出可立即执行的调整动作。如果用户愿意继续优化再追加升级方案。例如先判断“这套今天能不能穿”再指出“问题主要在比例还是颜色”最后给出“换鞋、加外套、补配饰”这种低成本建议这样做的好处是用户能够立刻理解建议优先级而不是被一堆零散意见淹没。为了让用户体验感更好我还给智能体加上了一些插件以及设置了开场白和开场白预置问题来让对话体验更加舒服四、工程实现上的几个关键点虽然这个项目的核心看起来是“会不会搭配”但真正落地时工程实现比想象中更重要。首先是多模态输入的组织方式。穿搭建议不是单靠图像就能完成的任务也不是单靠对话就能完成的任务。它需要把视觉信息、天气数据、用户回答的场景信息放进同一个决策链路里。因此我在设计 Prompt 时不是单纯堆规则而是先建立“信息补全优先级”先确认推荐方向再问场景再结合天气最后在画面完整时做整体判断。如果画面不完整系统就提醒用户调整镜头而不是强行输出结论。其次是语音反馈长度控制。眼镜场景下回复太长会直接损伤体验。因此我把输出分成极速模式和标准模式。极速模式只保留一句总评和两条关键建议适合用户边走边听标准模式则用于用户停下来认真获取建议的场景。这个设计让智能体在可用性上更接近真实助手而不是聊天室机器人。最后是建议优先级机制。我规定智能体永远遵循“先救场景再救比例再救颜色最后补配饰”的顺序。因为在真实穿搭里最先影响观感的通常不是配饰而是场景是否合适、整体比例是否顺眼。这个优先级让输出更稳定也更符合用户直觉。五、Demo 演示Demo演示