AI 智能穿搭顾问 — 基于 5462 组真实色卡 + 高斯过程数学模型的穿搭推荐系统
一行命令安装，一键启动服务
不需要手动配置环境，不需要了解 Python
支持 MCP Server · CLI 命令行 · FastAPI 后端 · Vue 前端
irm https://raw.githubusercontent.com/egg-rolls/SuperOutfit/master/scripts/install-simple.ps1 | iexcurl -fsSL https://raw.githubusercontent.com/egg-rolls/SuperOutfit/master/scripts/install.sh | bash安装完成后，打开新终端，直接使用：
spof --help # 查看所有命令
spof gateway # 启动服务（API + 前端 + MCP）📖 详细安装说明见 docs/INSTALL.md
基于 5462 组真实人类审美色卡训练的高斯过程模型，不是拍脑袋的规则，是人类用点赞投票出来的审美共识。
评分等级（基于人类审美分布 P50=63.4）：
SSS ≥ 85 顶级 名画级配色，人类审美共识的前 8%
SS ≥ 75 优秀 专业搭配师水准
S ≥ 65 出色 有明确审美风格
A ≥ 50 良好 和谐不出错
B ≥ 35 一般 中规中矩
C ≥ 20 偏弱 需要调整
D < 20 差 明显不搭
数据来源： Color Hunt + 色采（名画/故宫/摄影配色）+ LOL Colors + Design Seeds + Colormind
技术栈： 42 维特征（HSL + OKLab）→ 点赞迁移 → 稀疏高斯过程（500 诱导点）
从色卡中提取 4 色切换全站主题，自动派生 20+ CSS 变量，确保文字对比度始终可读。
- 点击色卡直接应用主题（4 色直接应用，>4 色弹窗选择）
- 派生深色系、浅色系、文字色、交互色
- 文字色根据背景亮度动态计算（WCAG ≥ 4.5:1）
每件衣物一个 YAML 文件 + 一张图片。你可以：
- 在资源管理器里直接浏览、编辑、拖拽图片
- 用 AI 语音/文字添加衣物（支持图片识别）
- 按类型/风格/季节/场合筛选
- 自动统计穿着频率
- Web 界面编辑 — 点击卡片直接打开编辑弹窗
记录每次穿着、清洗，自动统计穿着频率和清洗周期：
spof wear add— 记录今天穿了什么spof wear wash— 记录清洗spof wear check— 查看哪些衣物该洗了spof wear report— 穿着频率统计报告
同一套 CRUD 命令，加 --wishlist 标志即可管理购物清单：
spof add --wishlist— 添加心愿单品spof list --wishlist— 查看购物清单- 数据独立存储在
data/wishlist/目录
# 启动所有服务（API + 前端 + MCP）
spof gateway
# 浏览器打开 http://localhost:32200Gateway 会自动：
- 启动 FastAPI 后端（端口 32200）
- 前端由 API 直接服务（同端口）
- 启动 MCP Server（stdio）
- 自动查找空闲端口
- 监控服务状态
# 查看帮助
spof --help
# 添加衣物（AI 生成 YAML 后）
spof add --file item.yaml
# 查看衣橱
spof list
# 色彩评分
spof color score --colors "#F5F0E8,#C4A97D,#111111"
# 天气查询
spof weather --city "大连"
# 记录穿着
spof wear add --items item_001,item_003# 启动后端（不含 MCP）
spof gateway --no-mcp
# 浏览器打开 http://localhost:32200# 启动 MCP Server（不含前端）
spof gateway --no-frontend
# 在 AI Agent 中配置 MCP Server 路径
# 然后对 AI 说：\"帮我推荐今天的穿搭\"v3.3 采用 6 大命令模块 设计，所有功能通过 spof 统一入口调用：
# === 衣橱 / 购物清单 CRUD ===
spof add --file item.yaml # AI 生成 YAML 后添加
spof add --file item.yaml --wishlist # 添加到购物清单
spof list [--json] [--type "上衣"] [--season "夏"]
spof list --wishlist
spof show item_001
spof edit item_001 --file new.yaml
spof delete item_001
# === 穿着追踪 ===
spof wear add --items item_001,item_003
spof wear wash --items item_001
spof wear check # 查看哪些衣物该洗了
spof wear report # 穿着频率统计
# === 色彩工具 ===
spof color score --colors "#F5F0E8,#C4A97D,#111111"
spof color inverse --known "#F5F0E8,#111111" --target 75 --missing 2
# === 天气查询 ===
spof weather # 从配置读取城市
spof weather --city "大连"
# === 数据管理 ===
spof data dir # 查看当前数据目录
spof data dir <path> # 设置数据目录
spof data export # 导出数据
spof data import # 导入数据
# === 系统管理 ===
spof info # 查看系统信息
spof gateway up # 启动服务
spof gateway down # 停止服务
spof gateway status # 查看服务状态
# === 应用更新 ===
spof update # git pull 更新📖 完整命令参考见 CLI.md
传统方案：专家写的规则 → 同色系 95 分，撞色 55 分
问题：规则有主观偏见，无法覆盖"意外好看"的组合
SuperOutfit：5462 组人类点赞色卡 → 学习人类审美共识
优势：被 4 万人的点赞验证过，包含规则无法覆盖的配色
6400 原始色卡
→ 剔除离群（全黑/全白/霓虹色 938 组）
→ 5462 干净色卡
→ 1456 组有人类点赞 → 百分位分数
→ Sparse GP 迁移模型 → 预测 4006 组无赞色卡
→ 5462 组全部有分数
→ Sparse GP 最终模型（500 诱导点，MAE 6.95，训练 ~10 秒）
27 维 HSL 色彩空间：
加权平均 HSL / 简单平均 HSL / 色相统计 / 饱和度统计
明度统计 / 色相距离统计 / 有彩色比例 / 面积熵 / 颜色数量
15 维 OKLab 感知色彩空间：
加权平均 Lab / 简单平均 Lab / L 统计
Chroma 统计 / Hue 距离
（等数值距离 = 等感知差异，比 HSL 更适合色彩计算）
- 4 个基础色 — accent（强调）、canvas（背景）、dark（深色）、muted（辅助）
- 全部派生 — 从 4 色自动计算 20+ CSS 变量
- 对比度保护 — 文字色根据背景亮度自动计算（WCAG ≥ 4.5:1）
- 色卡切换 — 点击色卡直接应用主题
用户可配置（4 个）:
--user-accent → 按钮、强调色
--canvas → 页面背景
--dark → 深色表面
--user-muted → 辅助文字
派生自 dark:
--surface-dark-elevated → 深色提升面
--surface-dark-soft → 深色软面
派生自 canvas:
--surface-soft → 浅色软面
--surface-card → 卡片背景
--surface-cream-strong → 强调浅色
--hairline → 边框线
--hairline-soft → 软边框
派生自文字色（基于 canvas 对比度）:
--ink → 主文字
--body → 正文
--body-strong → 强调正文
--muted-soft → 柔和辅助
派生自 accent:
--primary-active → 按钮按下
--primary-disabled → 禁用按钮
特殊文字（基于各自背景对比度）:
--on-primary → accent 上的文字
--on-dark → dark 上的文字
--on-dark-soft → dark-soft 上的文字
| 文件 | 职责 |
|---|---|
frontend/src/App.vue |
applyTheme() 函数，设置所有 CSS 变量 |
frontend/src/views/PalettesView.vue |
generateTheme() 函数，计算派生颜色 |
# 导出 zip（不含个人数据）
uv run python scripts/export.py
# 或直接发 Git 仓库链接
# .gitignore 已排除所有个人数据接收者：git clone → uv sync → 开始使用。
# 启动 MCP Server
spof gateway --no-frontend
# 在 AI Agent 中配置 MCP Server 路径
# 然后对 AI 说：\"帮我推荐今天的穿搭\"支持的 AI Agent：
- Claude Code
- Cursor
- OpenCode
- 任何支持 MCP 协议的 AI
cp -r . ~/.hermes/skills/productivity/superoutfit
hermes curator pin superoutfit
# 对 Hermes 说：\"帮我推荐今天的穿搭\"# AI 可以直接调用 CLI 命令
spof color score --colors "#F5F0E8,#C4A97D,#111111"
spof list --json
spof wear reportfrom scripts.scorer import score_outfit
result = score_outfit(["item_001", "item_003", "item_006"], occasion="通勤", temp=22)
print(result["total_score"], result["grade"])
# 63.7 B┌─────────────────────────────────────────────────────────────┐
│ SuperOutfit Gateway │
├─────────────────────────────────────────────────────────────┤
│ │
│ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ │
│ │ FastAPI │ │ Vue 前端 │ │ MCP Server │ │
│ │ (API) │ │ (Web UI) │ │ (AI 工具) │ │
│ │ :32200 │ │ (由API服务) │ │ stdio │ │
│ └──────────────┘ └──────────────┘ └──────────────┘ │
│ │ │ │ │
│ └─────────────────┼─────────────────┘ │
│ │ │
│ ┌──────┴──────┐ │
│ │ scripts/ │ │
│ │ (共享) │ │
│ └─────────────┘ │
│ │
└─────────────────────────────────────────────────────────────┘
- 后端: Python 3.11 + FastAPI + uvicorn
- 前端: Vue 3 + Vite + Pinia（状态管理）+ marked（Markdown）
- 数据: YAML 文件存储，用户可直接编辑
- AI: 高斯过程模型（scikit-learn）+ 42 维特征（HSL + OKLab）
- 依赖管理: uv（Python）+ npm（Node.js）
- 设计系统: Claude 风格（暖色调画布、珊瑚色强调、衬线标题）
<type>(<scope>): <subject>feat: 新功能fix: Bug 修复refactor: 重构（不改变功能）ui: UI/样式调整data: 色卡数据更新model: 模型重训/升级docs: 文档更新chore: 杂项（.gitignore 等）
MIT © egg-rolls