核心用法
Outfits 是一款面向个人用户的穿搭管理助手，核心功能覆盖三大场景：灵感保存、现有衣物组合、场景化推荐。
灵感保存强调「可复用性」——不仅存图，更需记录吸引点（如"叠穿层次感""蓝棕配色"），并按风格标签（极简、街头、经典）而非仅按场合分类，确保用户在不同场景下保持审美一致性。
衣物管理采用轻量策略：仅记录「单品名称+颜色」，避免繁琐元数据导致用户放弃维护。支持将口头描述的 wardrobe 归档为文件，解决重复询问的痛点。
搭配建议遵循「先问现有、再给方案」原则：必须确认用户拥有的单品后才生成 outfit，同时结合「场合+具体场景」（如"屋顶酒吧约会"vs"小酒馆约会"）及天气因素（影响层次与鞋履选择）。每次提供 2-3 个选项并附「为什么」的解释，既给用户选择空间，也建立穿搭认知。
显著优点
- 反消费主义立场：明确不推送昂贵单品、特定品牌或追趋势，聚焦「用好现有衣物」
- 场景化精细度：区分 dress code 的不同解读（如"smart casual"），避免一刀切的尴尬
- 教育属性：通过「 navy + white 显干练」等解释培养用户自主搭配能力
- 轻量可持续： inventory 设计低门槛， verbally 描述的 wardrobe 可持久化存储
潜在局限
- 无视觉能力：依赖用户主动提供图片/URL，无法直接识别穿搭图片
- 无电商整合：不提供购买链接或比价，购物需用户自行完成
- 风格依赖用户输入：若用户描述模糊（如"好看的衣服"），输出质量受限
- 无社交功能：不支持分享 outfit 或获取社区反馈
适合人群
- 想建立个人风格但不知从何开始的穿搭新手
- 衣橱满但常觉"没衣服穿"的单品丰富者
- 厌恶算法推荐"必买清单"的反消费主义用户
- 需要快速决策日常穿搭的忙碌专业人士
常规风险
- 隐私： wardrobe 描述可能透露个人体型、经济状况、生活方式，需本地或可信存储
- 过度依赖：长期外包穿搭决策可能削弱个人审美判断力
- 场合误读： dress code 解释基于通用经验，特殊行业/文化场景可能偏差
- 季节局限：未明确支持多地区气候数据库，极端天气建议需用户补充