谁说 NAS 只能存片？把衣柜搬进 NAS，顺手让 AI 当起了穿搭助理

穿搭选择困难症，我个人感觉人人应该都有一些。

如果你的衣服越来越多、不好管理、每天都不知道穿什么，可以看看本期这个项目，能否解决你的困扰。

在部署使用过程中碰到问题，请看文末注意事项，应该能解决大部分问题。

项目介绍

完整项目名：leoz9/AIWardrobe，可于GitHub搜索。

AIWardrobe 是一个开源的 AI 智能衣柜项目，主要功能包括衣物录入、衣物图片上传、AI 识别衣物属性、衣柜管理，以及根据天气和用户目标生成穿搭推荐。

项目特征

• • 智能上传：上传衣服照片后，使用 rembg 自动去背景，并通过视觉模型识别类别、颜色和风格

• • 天气穿搭：集成 Open-Meteo 免费全球天气接口，根据实时天气生成更合适的穿搭建议

• • 虚拟衣柜：以结构化方式浏览、搜索和管理所有衣物

• • AI 推荐：支持 Gemini 和 OpenAI 风格接口，用于生成个性化穿搭方案

• • 响应式界面：基于 Tailwind CSS，适配桌面、平板和手机

部署流程

以威联通NAS为例，通过Docker Compose的方式进行部署。

部署代码如下：

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

打开威联通的Container Station，创建新的应用程序。

使用一览

部署完毕，浏览器输入NAS_IP:8000即可访问服务。显而易见，作者多次更新后，项目更适合通过移动端来使用。

点击右上角的设置。配置AI相关，模型名称一定要选择支持图片输入的模型。这里再次强调，普通文本模型不行，只支持文本的 OAI-compatible 接口也不行。AIWardrobe 识别衣物图片时需要发送图片内容。

下方的抠图，默认配置是第二个，但是并没有可用额度。直接选择本地离线，这个地方其实也跟上面的AI配置挂钩。

配置完毕后，便可选择服饰上传。支持多个一次性导入，如果你想细化每一件的标签，那我建议还是一张张上传！

找了部分网图。

上传后会自动抠图命名和打标签分类，效果还是挺好的。

可以查看随机穿搭。

首页这边会显示一些大概信息。

关于AI推荐推荐穿搭，输入你的目标场景，AI便会根据天气、衣服、场景、运势，分析推荐给你合适的搭配

说的头头是道，哈哈～推荐分析结果如下。

注意问题

这其实也是我自己碰到的问题，图片问题上文已顺带说明，这里再补充俩。

端口相关

端口建议直接使用 8000:8000，不要随便改成8008:8000之类。

如果实在要改，可以git clone项目文件到本地，修改这个文件：frontend/src/utils/api.js。

把：

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

改成：

export const API_ORIGIN = window.location.origin

改完保存后，自己构建镜像和部署。

无法生成穿搭推荐

页面可以正常打开，天气和衣柜数据也能加载，但点击「生成今日穿搭推荐」后没有结果。

查看日志后发现，后端推荐接口返回了 500 错误，核心报错是：NameError: name 'build_color_tokens' is not defined。这应该是只有调用，没有函数定义，就可以临时打一个补丁。

执行下面指令，重启容器即可：

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()nn" + marker, 1) path.write_text(text, encoding="utf-8") print("patched") PY

最后

AI 越来越强，希望能在社区看到越来越多的的AI开发的实用项目！

感谢观看，本文完。