xsl/meida
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
Files
d784d4ae15fce50a660a21efeae7212feac822d8
meida/docs/鸿蒙美搭-智能穿搭美学助手-产品方案.md
T
xsl d784d4ae15 save
2026-08-11 23:42:30 +08:00

56 KiB
Raw Blame History

「美搭」- 智能穿搭美学助手 详细产品方案

1. 产品概述

1.1 产品名称

「美搭」- 智能穿搭美学助手

1.2 产品定位

面向爱美用户的智能穿搭指导应用，集成换装、换发型、美学报告等核心能力，为用户提供个性化、专业化的形象管理方案。第一版基于 Uni-App-x 跨平台框架开发，首发鸿蒙（HarmonyOS）应用市场。

1.3 产品愿景

成为用户最值得信赖的智能美学助手，让每个人都能轻松拥有专业级的形象管理能力。

1.4 技术选型

  • 开发框架：Uni-App-x（一次开发，多端发布）
  • 首发平台：鸿蒙 HarmonyOS NEXT
  • 后续规划：iOS、Android、小程序等多端扩展
  • 选型理由：
    • 跨平台能力降低多端开发成本
    • 原生渲染性能接近原生应用
    • 鸿蒙生态快速增长，先发优势明显
    • 支持 Vue 语法，开发效率高

1.5 目标用户

核心用户

  • 人群特征：25-35岁都市白领女性
  • 消费能力：月收入 8000-15000 元
  • 消费特征：注重形象管理，愿意为美丽付费
  • 使用场景：职场穿搭、约会造型、社交媒体分享

扩展用户

  • 时尚爱好者：追求潮流趋势，需要专业指导
  • 社交媒体创作者：需要快速产出优质穿搭内容
  • 形象管理初学者：希望系统性提升穿搭品味

1.6 文档地图

本方案为总纲，四个核心子系统各有独立需求文档，评审与开发时以子文档为准：

文档 内容 对应本文档章节
📎 美学报告需求文档 报告触发时机、初级/全面分级、诊断维度字典、生成流程、付费策略 2.2
📎 穿搭 Agent 需求文档 对话能力、意图识别、场景理解、能力联动 2.3
📎 用户系统与记忆系统需求文档 账号体系、会员与配额、L0~L5 分层记忆模型 2.4
📎 美学知识库建设方案 12 类知识分类体系、7 种模态、构建流程、检索链路 2.5

四者的关系：知识库提供专业能力 → 美学报告生产用户画像 → 记忆系统承载并持续演进画像 → Agent 与试穿功能消费画像。缺少任何一环，个性化能力都会退化为通用建议。

   知识库（专业性）
        │
        ▼
   美学报告（诊断） ──写入──▶ 记忆系统（个性化） ──驱动──▶ Agent / 换装 / 发型
        ▲                                                      │
        └───────────────── 行为回流 ◀──────────────────────────┘

2. 核心功能设计（第一版）

2.1 智能试穿系统

2.1.1 换装试穿

  • 测试页面：https://meida.xiangsilian.com/

  • API 文档：https://meida.xiangsilian.com/api

  • 核心接口：POST https://meida.xiangsilian.com/change_cloth_base64

  • Swagger 调试：https://meida.xiangsilian.com/docs

  • 接口能力（服务端按传入字段自动选择工作流）：

    传入字段 工作流
    仅 human_img 单图编辑（改背景/按提示词编辑）
    human_img + cloth_img 模特 + 上衣换装
    human_img + cloth_img + kuzi_img 模特 + 上衣 + 裤子换装

  • 请求参数：

    字段 类型 必填 说明
    human_img string 是 模特/人物图 Base64（支持 Data URL）
    cloth_img string 否 上衣图 Base64，默认 ""
    kuzi_img string 否 裤子图 Base64，默认 ""，传了则走上衣+裤子流程
    change_desc string 否 提示词，空则使用默认提示

  • 响应格式：

    {
  "ret": 0,
  "state": 0,
  "msg": "success",
  "data": "https://xiangsilian.oss-cn-beijing.aliyuncs.com/tryon/xxxx.png?..."
}
    • ret === 0 && data 判断业务成功
    • data 为阿里云 OSS 签名链接，可直接展示

  • 功能描述：

    • 虚拟试衣间：上传用户照片 → 选择服装单品 → 实时换装预览
    • 多场景适配：职场/约会/运动/聚会/旅行等场景切换
    • 单图编辑：基于提示词对人物图进行编辑（如更换背景）
    • 上衣+裤子组合换装：完整搭配预览

  • 用户体验流程：

    1. 用户上传正面全身照（或调用摄像头拍摄）
    2. 选择换装模式：单图编辑 / 上衣换装 / 上衣+裤子换装
    3. 选择服装单品（上衣/裤子图片）
    4. 可选填写提示词（如"换成白色背景"、"保留发型"等）
    5. 点击生成，等待换装结果（前端展示已等待秒数）
    6. 查看换装效果，支持保存/分享
    7. 可基于结果继续编辑或重新生成

  • 关键注意事项：

    • 推理耗时较长（几十秒到几分钟），前端超时需 ≥ 320 秒
    • 前端需展示 loading 进度和已等待秒数，避免用户误以为卡死
    • 图片建议先压缩到长边 1024~2048 再上传
    • 裤子流程必须同时传 cloth_img，否则解码失败
    • OSS 结果链接为签名链接，长期存储需自行转存
    • 健康检查：GET /health，status 为 ok 时可正常换装

2.1.2 发型设计

  • 测试页面：https://meida.xiangsilian.com/hair/

  • API 文档：https://meida.xiangsilian.com/hair/api-doc.html

  • API 基础路径：https://meida.xiangsilian.com/hair/api

  • 认证方式：无需认证

  • 发型库：60 款发型，预览图分辨率 634×950

  • 接口能力：

    ① 获取发型列表

    • 接口：GET /hair/api/hairstyles
    • 参数：无
    • 响应： 
      {
  "success": true,
  "data": {
    "hairstyles": [
      {
        "id": "1953267161121464322",
        "name": "发型4322",
        "image_url": "/hair/images/hairstyles/1953267161121464322.jpg"
      }
    ]
  }
}
    • image_url 为相对路径，完整链接 = https://meida.xiangsilian.com + image_url

    ② 更换发型

    • 接口：POST /hair/api/change-hair
    • Content-Type：multipart/form-data
    • 参数：
      参数名 类型 必填 描述
      image File 是 用户图片（png/jpg/jpeg/gif，最大 16MB）
      hairstyle_id String 是 目标发型 ID
    • 响应： 
      {
  "success": true,
  "data": {
    "result_image": "data:image/jpeg;base64,/9j/4AAQ..."
  }
}
    • 超时时间 120 秒；远程调用失败时返回原图作为降级处理

    ③ 更换头发颜色

    • 接口：POST /hair/api/change-hair-color
    • Content-Type：multipart/form-data
    • 参数：
      参数名 类型 必填 描述
      image File 是 用户图片（最大 16MB）
      rgb String 是 RGB 颜色值，格式 "[R, G, B]"，如 "[255, 106, 0]"
      ratio String 是 替换强度 0.0~1.0，如 "0.9"
    • 响应：同更换发型接口
    • ratio 越大颜色替换越明显；超时 120 秒

  • 功能描述：

    • 发型浏览：发型列表/分类/搜索/收藏
    • 发型试戴：上传面部照片 → 选择发型 → 实时预览
    • 发色仿真：在已换发型基础上调整发色（黑/棕/金/红/自定义 RGB）
    • 强度调节：通过 ratio 控制发色替换强度
    • 风格筛选：按长发/短发/卷发/直发等风格筛选发型

  • 用户体验流程：

    1. 用户上传面部特写照片
    2. 浏览发型库（支持风格筛选/搜索）
    3. 选择目标发型，点击预览
    4. 等待 AI 处理（展示进度，最长 120 秒）
    5. 查看发型更换效果
    6. 可选：调整发色（选择预设色或自定义 RGB + 强度）
    7. 支持保存/分享/对比

2.2 专业美学报告（详见独立文档）

美学报告是产品的画像生产者与专业感锚点：体型、脸型、肤色、季型、量感、直曲等结论一次诊断、全局复用，Agent 对话与试穿推荐全部依赖它。详细需求见独立文档：

📎 美学报告需求文档

2.2.1 分级设计

报告拆分为两级，第一版只做初级报告（免费），全面报告与支付放在 V2：

初级报告「形象速测」 全面报告「形象深度诊断」
上线版本 V1 V2（V1 仅做占位入口）
价格 免费 付费（单次 ¥29.9，会员 ¥19.9）
输入 1 张全身照 + 4 项问卷 全身正/侧 + 面部特写 + 12~15 项问卷
诊断维度 8 项核心 40+ 项完整
色彩精度 四季粗判 + 8 色色板 十二季细分 + 24+ 色完整色板
发型内容 3 条要点 独立发型专项报告（8 小节）
场景方案 1 个 4+ 个（含配色公式）
篇幅 / 时长 1~2 屏 / ≤60s 15~25 屏 / ≤5min（异步）
免费额度 每 30 天可重新生成 1 次 按次购买 / 会员权益

内容深度对标：全面报告对齐线下形象顾问交付标准（见 reference/个人形象报告.pdf），涵盖风格核心诊断、色彩诊断、身材穿搭指南、配饰规划、发型专项、场景方案包六大篇章，并新增线下报告普遍缺失的「30 天形象提升计划」。

2.2.2 触发时机（关键设计）

原则：报告是个性化的前置条件，要尽早触发；但需要用户投入拍照与问卷，所以不能强制。 解法是多入口触发 + 价值前置 + 可跳过可回补。

类型 触发点 预期承接
首次生成 ① 注册后引导（价值前置页 → 授权 → 问卷 → 拍照 → 生成），必须可跳过 主触发，约 60%
② 功能内价值触发：首次换装完成后 / 首次试戴后 / Agent 缺失画像时 / 收藏满 3 个 / 第 3 次打开 App 承接跳过用户
③ 常驻入口：首页「我的形象报告」卡片、个人中心形象档案、Agent 快捷问题 长尾
④ 社交触发：好友分享长图的落地页 增长
更新生成 体重变化 ≥3kg / 距上次 ≥90 天 / 换季（3·6·9·12 月）/ 上传新照片 / 换发型后 / 算法升级 主动提示，不自动扣额度
付费触发（V2） 初级报告结果页底部、章节内容截断处、Agent 深度问题、发型模块、会员页、营销节点、分享回流 转化
拦截不触发 非人像/多人/非全身/面部遮挡/光线过暗/分辨率过低/疑似未成年/未授权 不消耗额度
  • 报告必须版本化保留，更新后进入「形象档案时间轴」，支持前后对比，成为留存资产而非一次性内容
  • 无照片或拒绝人脸授权的用户走「问卷版轻画像」降级路径，不让个性化能力完全失效

2.2.3 第一版的付费意愿验证

V1 不做支付链路，但在初级报告结果页保留「全面报告」预览卡片（模糊目录 + 内容清单 + 预计价格），点击进入「即将上线，抢先预约」并留资埋点。决策门槛：预约率 ≥ 8% 则 V2 立即开发付费报告；< 3% 则重新评估定价与内容形态。

2.3 AI 穿搭 Agent（详见独立文档）

穿搭 Agent 作为产品的智能交互核心，承担智能对话、场景理解、个性化推荐等能力。详细需求见独立文档：

📎 穿搭 Agent 需求文档

  • 第一版核心能力：

    • 自然语言对话（文字/语音）
    • 穿搭场景理解与建议
    • 与换装/换发型能力联动
    • 个性化偏好学习

  • 典型场景：

    • "我今天有个面试，怎么穿？"
    • "下雨天适合穿什么鞋子？"
    • "帮我搭一套法式优雅风格的look"
    • "这件白衬衫配什么裤子？"

2.4 用户系统与记忆系统（详见独立文档）

穿搭建议的价值高度依赖"懂这个人"。没有记忆系统，产品只能给出百科式的通用答案，而通用答案在内容平台上免费且更丰富——记忆系统是本产品相对于内容平台与通用大模型的核心护城河。详细需求见独立文档：

📎 用户系统与记忆系统需求文档

2.4.1 用户系统要点

  • 登录方式：华为账号一键登录（鸿蒙首发主路径）+ 手机号验证码 + 游客模式
  • 游客模式：未登录即可完成 1 次换装、1 次试戴、1 次初级报告、3 次对话，注册后数据无感迁移，显著降低首启流失
  • 授权管理：人脸信息属敏感个人信息，必须单独授权、可单独撤回，并留存授权记录
  • 账号生命周期：支持数据导出、清空照片、撤回人脸授权、注销（7 日冷静期后彻底删除）

2.4.2 记忆系统：六层模型

层级 名称 内容 写入方式 生命周期
L0 身份档案 性别、生日、身高体重、职业、城市 用户填写 长期
L1 美学画像 体型、脸型、肤色、季型、量感、直曲、动静、风格、核心诉求 美学报告写入（唯一权威源） 长期，90 天复核
L2 偏好与禁忌 偏好风格/颜色/品类；禁忌项（不穿短裙、不露肩）；预算 显式设置 + 隐式行为推断 长期，隐式项衰减
L3 事件记忆 试穿、收藏、分享、采纳/拒绝、对话摘要 自动埋点 180 天滚动
L4 会话记忆 当前多轮对话上下文与场景槽位 运行时 会话结束或 24h
L5 衣橱记忆 用户已有单品（图片 + 属性 + 使用频率） 用户上传 + 视觉识别 长期（V2）

关键机制：

  • 带置信度与来源：用户确认(1.0) > 显式陈述(0.9) > 视觉分析(0.85) > 自评(0.6) > 行为推断(0.5)，隐式记忆 30 天未强化则衰减
  • 隐式推断需确认：同属性连续 3 次拒绝 → 生成待确认候选 → 恰当时机征询"看起来你不太喜欢露肩款？"，用户确认后才生效
  • 用户偏好高于专业结论：专业判定与用户喜好冲突时，按用户喜好执行 + 附加专业提示（不说教）
  • 可见可控：「我的记忆」页面可查看、修改、删除每条记忆，并可一键关闭个性化推荐（合规刚需 + 信任基础）
  • 注入有预算：画像摘要 ≤250 token + 偏好 ≤150 + 事件召回 ≤200 + 会话 ≤800，合计 ≤1400 token，不做无脑全量拼接

2.5 美学知识库（详见独立文档）

不能只靠大模型：会幻觉、不可审计、不可解释，且推荐的单品没有图就无法调用换装接口，"建议 → 预览"的闭环会断裂。详细方案见独立文档：

📎 美学知识库建设方案

2.5.1 四层架构

④ 检索与推理层：硬过滤 → 向量召回 → 图谱扩展 → 重排 → 生成（带引用）
③ 资产层：单品白底图 / look 图 / 发型图 / 色板图 / 图示
② 内容层：规则条目 / 专业解释 / 场景模板 / 报告话术 / 搭配方案
① 本体层：实体定义 + 属性字典 + 枚举值 + 实体关系

建设顺序不可颠倒：先定义本体（属性字典与枚举值），再灌内容与资产。否则会出现"同一个领型有 5 种写法"，导致检索与规则全部失效。

2.5.2 知识分类：12 类实体

类目 内容 第一版目标量级
① 单品 Item 品类树 + 廓形/领型/袖型/腰线/长度/图案/正式度/量感/直曲等属性 800 条（≥400 条可试穿）
② 色彩 Color 色名 + HEX/HSL/Lab + 冷暖/明度/彩度 + 季型归属 + 配色关系 400 色 + 12 套色板
③ 风格 Style 9 型基因风格 + 20+ 潮流风格（法式/韩系/清冷/老钱风…） 29 条
④ 身材 Body 5 体型 + 12 局部特征（溜肩/短颈/长短腰…）→ 修饰策略 60 组映射
⑤ 面部与发型 脸型/三庭五眼/量感/直曲 × 发长/卷度/刘海/发色 适配矩阵 60 款发型全量打标
⑥ 场景 Occasion 20 场景 × Dress Code × 温度带（8 档）× 天气 80 组
⑦ 材质 Material 垂感/挺括/透气/保暖/易皱/光泽 + 季节与季型适配 40~60 种
⑧ 配饰 Accessory 8 品类的量感、材质、颜色、佩戴位置规则 —
⑨ 妆容 Makeup 12 季型 × 底妆/眼妆/唇妆 色值方案 36 组
⑩ 搭配法则 Rule 结构化 IF-THEN 规则（供规则引擎执行） 800 条（核心资产）
⑪ 搭配方案 Outfit 成套 look（单品组合 + 配色公式 + 适配画像 + 试穿素材） 300 套
⑫ 趋势 Trend 时效性流行趋势，独立库、月更、过期降权 每季 30~50 条

2.5.3 模态构成：7 种模态

这是"知识库是什么模态"的直接回答——它是多模态混合知识库，每种模态有明确分工，不可互相替代：

模态 存储与索引 用途 优先级
① 结构化 关系库 + 索引 硬过滤与计算，零幻觉、可审计 P0
② 规则 规则引擎（决策表） 核心结论由规则产出，不交给大模型 P0
③ 文本 全文 + 向量索引（200~400 字分块） RAG 生成解释与话术 P0
④ 图像 对象存储 + CDN + 图像向量 展示 + 换装 API 试穿素材 + 图搜 P0
⑤ 色彩数值 关系库 + 色差计算 肤色→季型归属、ΔE 匹配度 P0
⑥ 图谱 图库 / 邻接表 多跳推理 + 「为什么推荐」可解释链 P1
⑦ 视频/音频 CDN / TTS 造型教程、报告语音讲解 P2

各模态不是并列的独立数据，而是同一实体的多个面，通过统一 ID 串联，且入库时需交叉校验一致性（如图像标注颜色必须与色值一致）。

2.5.4 两个必须前置解决的数据缺口

缺口 影响 解法
发型库无适配标签 现有 60 款发型仅有 id/name/image_url，导致"按脸型推荐发型"根本无法实现 人工打标 60 款（脸型/量感/直曲/长度/卷度/刘海/正式度），约 1~2 人日
无单品白底图素材 换装接口需要 cloth_img/kuzi_img，没有素材则"一键试穿"不可用，用户只能自己找图 建立抠图流水线，V1 至少产出 300 件 tryon_ready 单品

换装接口仅支持上衣与裤子，连衣裙、鞋、包、配饰无法试穿。因此每个单品必须标注 tryon_slot 与 tryon_ready，产品端只对可试穿单品展示"一键试穿"，其余展示"加入搭配"，避免用户点了没反应。

2.6 我的衣橱（V2 规划，差异化重点）

当前所有 AI 穿搭产品的通病是"推荐了用户没有、也买不到的衣服"。衣橱功能让建议落到用户真实拥有的单品上：

  • 拍照入库 → 自动抠图 → 视觉识别属性（品类/颜色/廓形）→ 用户微调确认
  • 能力：一衣多搭（这件衬衫能配什么）、衣橱体检（哪些不适合你的季型/体型）、缺口建议（补齐 3 件即可多出 12 套搭配）、按场景生成 look
  • 与记忆系统 L5 打通，是提升长期留存的核心功能
  • V1 可先埋入口收集意愿，不开发

2.7 任务中心（长耗时任务产品化）

换装最长 320s、发型 120s、全面报告 ≤5min，长耗时是本产品的固有特征，不能靠"转圈等待"硬扛：

  • 所有 AI 生成走异步任务队列，返回 task_id，前端轮询或长连接获取状态
  • 用户可最小化任务、退出页面甚至退出 App，完成后推送通知召回
  • 任务中心统一展示进行中/已完成/失败任务，失败可一键重试（不重复计费）
  • 生成过程步骤可视化（识别人像 → 测算体型 → 分析面部 → 采样色彩 → 生成方案），并展示已等待秒数
  • 等待期填充内容：美学小知识卡、报告样例、热门搭配
  • 端侧前置质量校验（是否人像/单人/全身/清晰/光线），不合格直接拦截，既省成本又省用户时间

2.8 第一版功能范围

✅ 第一版包含

  • 换装试穿（单图编辑 / 上衣 / 上衣+裤子）
  • 发型设计（发型更换 / 发色更换）+ 60 款发型适配标签
  • 初级美学报告（免费）+ 形象档案与版本对比
  • AI 穿搭 Agent（基础对话 + 画像注入）
  • 用户系统（华为账号 / 手机号 / 游客模式 + 数据迁移）
  • 记忆系统 L0~L4 + 「我的记忆」管理页
  • 美学知识库 V1（规则 400 条 / 单品 300 条 / 方案 100 套 / 12 套色板 / 发型打标）
  • 任务中心 + 完成推送 + 端侧照片预检
  • 历史记录、收藏、分享长图
  • 配额与成本计量（为 V2 定价提供真实数据）

🅿️ 第一版做入口、不做实现（意愿验证）

  • 全面美学报告（预约留资 + 埋点，验证付费意愿）
  • 我的衣橱（入口收集意愿）
  • 会员订阅（灰度开关预留，不开放支付）

❌ 第一版不包含（后续版本规划）

  • 支付与订单链路、会员点数体系
  • 购物引导、商城与电商导购分成
  • 化妆指导（接口待定）
  • 社区与 UGC
  • B 端 API 输出
  • 多端协同（平板/手表/车机）
  • 系统级集成（服务卡片/语音唤醒等）

3. 产品形态与权益设计

3.1 原方案的成本风险与改造

原方案设定"会员 ¥9.9/月 = 无限换装"，在成本上不成立：换装是长耗时 GPU 推理（几十秒到几分钟），单次成本在角到元量级，重度用户单月可消耗数十元，会员越活跃越亏损。改造为「基础免费额度 + 权益点数制」，把不可控的无限供给变成可控的点数消耗。

3.2 权益对照表

权益项 免费版 会员版 ¥9.9/月 高级版 ¥29.9/月
每日免费换装 3 次 10 次 20 次
每日免费试戴发型 3 次 10 次 20 次
每日 AI 对话 10 轮 100 轮 不限（防刷上限）
月度权益点数 0 300 点 1000 点
初级美学报告 每 30 天 1 次 每 7 天 1 次 不限（每日 ≤3）
全面美学报告（V2） 单次 ¥29.9 单次 ¥19.9 含 1 次/季
我的衣橱容量（V2） 20 件 200 件 不限
记忆条数上限 50 条 500 条 不限
高清导出 / 去水印 ❌ ✅ ✅
广告 开屏 + 信息流 无 无
优先体验新功能 / 专属客服 ❌ 部分 ✅
  • 点数消耗：换装 10 点、发型 5 点、全面报告 200 点、高清重绘 20 点
  • 点数获取：会员月赠、签到、邀请好友、观看激励广告、单独购买（¥6 = 100 点）
  • 扣减顺序：先扣免费次数 → 再扣点数 → 点数不足才引导付费
  • 每次消耗必须有前置提示（"本次消耗 10 点，剩余 290 点"），禁止静默扣费

3.3 第一版落地方式

V1 只做免费额度与计量，不开放支付：

  • 完整记录每次调用的成本、耗时、结果（usage_log），用真实数据校准单用户成本与点数定价
  • 会员页做静态权益展示 + 「上线提醒我」留资，验证订阅意愿
  • 全面报告做预约留资，验证单次付费意愿（门槛 ≥8%）
  • V2 依据 V1 数据确定最终定价，避免拍脑袋定价导致亏损或滞销

4. 市场分析与竞争策略

4.1 市场规模

⚠️ 数据待补来源：以下市场数据尚未标注出处，评审前需补齐信源（报告名称、发布机构、发布时间）并标注为预测值或实际值。缺乏信源的市场数据在投资与立项评审中会被直接质疑，属于必须修补的文档缺陷。

4.1.1 中国时尚电商市场

  • 市场规模：2025年预计达 2.8 万亿元
  • 增长率：年复合增长率 15%+
  • 用户规模：超过 5 亿用户
  • 移动端占比：超过 80%

4.1.2 AI 美妆市场

  • 市场规模：2025年预计达 500 亿元
  • 增长率：年复合增长率 25%+
  • 用户规模：超过 2 亿用户
  • 渗透率：仍在快速提升

4.1.3 鸿蒙生态

  • 用户规模：已超 1 亿，快速增长
  • 设备数量：超过 3 亿台设备
  • 应用数量：超过 50 万个应用
  • 开发者生态：超过 500 万开发者

4.2 竞品对比

产品 优势 劣势 我们的差异化
美图秀秀 用户基数大，技术成熟 主要是工具类，缺少专业美学 专业美学报告 + AI Agent
小红书 社区活跃，内容丰富 试穿能力弱，缺少专业性 实时换装 + 系统性搭配
传统试衣间App 功能专注 用户体验差，功能单一 跨平台 + AI 穿搭 Agent
品牌自研 深度绑定品牌 封闭生态，用户受限 开放平台 + 跨品牌推荐

4.3 竞争策略

4.3.1 壁垒的真实来源（需要重新校准）

换装/发型接口是可替代的通用能力，竞品同样能接入，因此不构成壁垒。真正可积累、难复制的资产有三项，也是资源投入的重点：

资产 为什么难复制 投入方式
美学知识库（800 条专家规则 + 12 套色板 + 适配矩阵） 需要专业形象顾问长期投入，无法靠大模型生成后直接使用 顾问合作 + 人审流水线
用户画像与记忆资产 数据随使用时长复利增长，用户迁移成本高 报告 + 记忆系统
可试穿素材库（白底单品图 + 属性标注） 需要采集、抠图、标注的重投入，且是"建议→预览"闭环的唯一入口 素材运营流水线

短期可用优势（非壁垒，但决定上市速度）：已验证的换装/发型接口、Uni-App-x 多端能力、鸿蒙生态先发。

4.3.2 差异化定位

  • 不仅是试穿：系统性美学指导，而非单一工具
  • 懂你的建议：画像 + 记忆驱动的个性化，而非通用百科答案
  • 建议可预览：结论直接联动换装/试戴，闭环体验
  • 专业可解释：每条建议可追溯到体型/色彩/场景规则
  • 形象档案化：报告版本化 + 前后对比，把一次性内容变成长期资产

4.3.3 快速迭代

  • MVP 优先：1-2 个月上线 MVP
  • 用户反馈：快速收集用户反馈
  • 数据驱动：基于数据优化产品
  • 小步快跑：持续快速迭代

5. 商业模式

5.1 收入来源

5.1.1 单次付费内容（V2 起的主力）

  • 全面美学报告：单次 ¥29.9（会员 ¥19.9），重新生成 ¥9.9
  • 定价依据：线下形象诊断客单价 300~2000 元，本产品定位"十分之一价格、八成内容"；¥29.9 处于冲动消费区间，且边际收益显著高于 ¥9.9 月费
  • 为什么以报告为主力：内容型交付物边际成本低、价值感知清晰、不产生持续的 GPU 消耗，比"无限次生成"更健康

5.1.2 会员订阅

  • 会员版：¥9.9/月（含 300 点），预计转化率 3~5%
  • 高级版：¥29.9/月（含 1000 点 + 季度深度报告），预计转化率 1~2%
  • 年费优惠：会员版 ¥99/年，高级版 ¥299/年
  • 权益以"额度 + 点数"计量，避免无限供给导致的成本失控（见 §3）

5.1.3 点数增值

  • 点数包售卖：¥6 = 100 点 / ¥30 = 600 点
  • 激励视频换点数（把重度免费用户的成本转移给广告主）

5.1.4 广告变现

  • 开屏广告：CPM 计费，预计 ¥50/CPM
  • 信息流广告：CPC 计费，预计 ¥2/CPC
  • 激励视频：换取点数/额度，兼顾体验与收益
  • 品牌合作：原生广告 / 联名色板 / 品牌单品进入素材库，预计 ¥10-20 万/次

5.1.5 后续收入（V3+）

电商导购分成、B 端 API 输出（服装品牌/线下门店/形象顾问工具）、线上形象顾问 1v1 服务撮合

5.2 成本结构

5.2.1 技术成本（含单位经济模型）

必须先算清单用户成本，再定价。V1 的核心任务之一就是采集真实成本数据：

成本项 单次成本目标 说明
换装生成 ≤ ¥0.50 GPU 长耗时推理，成本主导项
发型/发色生成 ≤ ¥0.20 —
初级美学报告 ≤ ¥0.30 视觉分析 + LLM 生成
全面美学报告 ≤ ¥2.00 章节多、输出 token 大
Agent 单轮对话 ≤ ¥0.05 含 RAG 检索
免费用户月成本上限 ≤ ¥8 按每日 3 次换装 + 3 次发型 + 10 轮对话的额度上限倒推

成本控制手段：端侧预检拦截无效请求、结构化结论走规则引擎不走 LLM、相同参数结果缓存、模板化减少输出 token、分级画质、免费用户错峰排队。

5.2.2 其他技术成本

  • 云计算：服务器/数据库/向量库/对象存储/CDN
  • 知识库建设：顾问费 + 素材采集与抠图 + 标注（一次性 12~18 万元，见知识库方案 §9）
  • 技术维护：开发/测试/运维

5.2.3 运营成本

  • 内容运营：穿搭内容/教程/UGC
  • 用户增长：推广/营销/活动
  • 客服支持：在线客服/电话客服
  • 数据分析：数据分析师/BI工具

5.2.4 营销成本

  • 用户获客：广告投放/KOL合作
  • 品牌推广：品牌广告/公关活动
  • 线下活动：快闪店/时尚活动

5.3 盈利预测（第一年）

⚠️ 预测口径待修正：以下预测基于原"无限次会员"模型，未计入按次生成的 GPU 成本随活跃度线性增长的特性，也未计入知识库一次性建设投入与全面报告收入。待 V1 采集到真实单用户成本数据后重做财务模型，重点校准三项假设：单用户月度生成次数、换装单次真实成本、报告付费转化率。

5.3.1 Q1：验证市场

  • 目标：积累 10 万用户
  • 收入：广告收入 ¥20 万 + 会员收入 ¥5 万 = ¥25 万
  • 成本：技术成本 ¥30 万 + 运营成本 ¥20 万 = ¥50 万
  • 净利润：-¥25 万

5.3.2 Q2：推出会员

  • 目标：积累 50 万用户，会员转化率 5%
  • 收入：广告收入 ¥50 万 + 会员收入 ¥30 万 = ¥80 万
  • 成本：技术成本 ¥40 万 + 运营成本 ¥30 万 = ¥70 万
  • 净利润：+¥10 万

5.3.3 Q3：扩大规模

  • 目标：积累 100 万用户
  • 收入：广告收入 ¥80 万 + 会员收入 ¥80 万 = ¥160 万
  • 成本：技术成本 ¥50 万 + 运营成本 ¥40 万 + 营销成本 ¥30 万 = ¥120 万
  • 净利润：+¥40 万

5.3.4 Q4：盈亏平衡

  • 目标：积累 200 万用户，DAU 30 万+
  • 收入：广告收入 ¥120 万 + 会员收入 ¥150 万 = ¥270 万
  • 成本：技术成本 ¥60 万 + 运营成本 ¥50 万 + 营销成本 ¥40 万 = ¥150 万
  • 净利润：+¥120 万

6. 实施计划

6.1 Phase 1：MVP（1-2 个月）

6.1.1 目标

  • 验证市场需求
  • 验证技术可行性
  • 积累初始用户
  • 收集用户反馈

6.1.2 任务清单

  • 技术准备

    • Uni-App-x 项目搭建
    • 鸿蒙环境配置与打包流程
    • 集成换装接口（/change_cloth_base64）
    • 集成发型接口（/hair/api/*）
    • 接口超时与异常处理（换装 320s / 发型 120s）

  • 功能开发

    • 换装试穿功能（单图/上衣/上衣+裤子）
    • 发型列表浏览与更换
    • 发色调整功能
    • 用户系统（华为账号 / 手机号 / 游客模式 + 注册后数据迁移）
    • 隐私授权流程（人脸信息单独授权 + 授权记录）
    • 历史记录与收藏

  • 美学报告（初级）

    • 引导流程（价值前置页 → 授权 → 问卷 → 拍照）
    • 端侧照片质量预检（人像/单人/全身/清晰度/光线）
    • 视觉分析能力选型与接入（体型/面部/肤色采样）
    • 规则引擎 + 报告生成链路 + 一致性校验
    • 报告页面、术语词典、数据修正
    • 形象档案与版本对比
    • 分享长图（默认结论版，不含照片）
    • 全面报告预约入口 + 埋点（付费意愿验证）

  • 记忆系统

    • L0~L4 数据模型与 MemoryService
    • 报告结论写入 L1
    • 显式偏好写入 + 回执确认
    • 画像摘要生成与注入（token 预算控制）
    • 「我的记忆」管理页 + 关闭个性化开关

  • 知识库 V1

    • 本体 Schema 与属性字典定义
    • 专家规则 400 条（体型/色彩/场景/风格）
    • 12 套季型色板 + 400 色色值库
    • 60 款发型适配标签打标（当前最大数据缺口）
    • 单品素材 300 件（含白底试穿图）+ 抠图流水线
    • 搭配方案 100 套（含试穿素材绑定）
    • 混合检索链路（硬过滤 + 向量召回 + 重排）
    • 黄金评测集 200 条 + 回归测试脚本

  • Agent 基础能力

    • 大模型选型与对接、流式输出
    • 意图识别 + 画像注入
    • 快捷问题入口、对话历史

  • 体验与治理

    • 任务中心（异步任务 + 完成推送 + 失败重试）
    • 生成过程步骤可视化 + 已等待秒数
    • 图片上传前压缩处理
    • 结果图保存与分享（水印 + AI 生成标识）
    • 配额中心 + usage_log 成本计量
    • 内容安全与敏感词过滤（含外貌负面表述红线）

  • 测试上线

    • 内部测试 + 黄金集准确率验收
    • 小范围灰度发布
    • 收集用户反馈
    • 鸿蒙应用上架（Beta 版）

6.1.3 交付物

  • MVP 版本鸿蒙应用
  • 初级美学报告与形象档案能力
  • 知识库 V1 + 60 款发型标签 + 300 件可试穿素材
  • 用户反馈报告、技术验证报告
  • 单用户成本报告与付费意愿验证结论（V2 定价依据）

6.2 Phase 2：核心功能完善（2-3 个月）

6.2.1 目标

  • 完善核心功能
  • 提升用户体验
  • 建立会员体系
  • 扩大用户规模

6.2.2 任务清单

  • 全面美学报告（付费）

    • 六大篇章内容生成（风格诊断/色彩/身材/配饰/发型专项/场景包）
    • 十二季细分色彩算法与专业校准
    • 30 天形象提升计划 + 打卡
    • PDF 导出与长图排版
    • 五行幸运色模块（含娱乐声明与可关闭开关）

  • 会员与支付体系

    • 支付系统集成（华为支付）
    • 权益点数体系（发放/消耗/购买/对账）
    • 会员权益管理与订单/退款
    • 基于 V1 成本数据的最终定价落地

  • 记忆系统进阶

    • 隐式行为推断 + 待确认机制
    • 置信度衰减与冲突消解
    • L3 事件向量召回
    • 主动推荐（天气/日程驱动）

  • 我的衣橱（L5）

    • 单品拍照入库 + 自动抠图 + 属性识别
    • 一衣多搭、衣橱体检、缺口建议

  • 知识库扩充

    • 规则扩充至 800 条、方案至 300 套、素材至 800 件
    • 知识库管理后台（增删改查 + 审核工作流 + 版本对比 + 效果看板）
    • 知识缺口周报机制
    • 图谱层与「为什么推荐」解释链

  • Agent 增强

    • 语音输入、多轮上下文记忆
    • 联动换装/发型的完整闭环
    • 图片输入理解（穿搭评价）

  • 体验优化

    • UI/UX 优化、性能与稳定性优化
    • A/B 实验平台与埋点规范
    • 用户反馈与知识修正闭环

  • 正式上线

    • 正式版上线、市场推广、用户增长、数据分析

6.2.3 交付物

  • 正式版鸿蒙应用
  • 付费全面报告 + 完整会员与点数体系
  • 我的衣橱 V1
  • 知识库管理后台
  • 修正后的财务模型与增长报告

6.3 Phase 3：多端扩展（3-4 个月）

6.3.1 目标

  • 基于 Uni-App-x 扩展多端
  • 拓展用户触达渠道
  • 完善生态系统

6.3.2 任务清单

  • 多端发布

    • Android 版本发布
    • iOS 版本发布
    • 小程序版本发布
    • H5 版本发布

  • 功能扩展

    • 化妆指导功能（接口确认后）
    • 更多场景模板
    • 社区/UGC 功能

  • 运营优化

    • 内容运营体系
    • 用户运营体系
    • 数据分析体系
    • 客服支持体系

6.3.3 交付物

  • 多端应用版本
  • 完整运营体系

6.4 Phase 4：规模化（持续）

6.4.1 目标

  • 规模化用户增长
  • ���际化扩展
  • 持续技术创新
  • 建立行业影响力

6.4.2 任务清单

  • 用户增长

    • 品牌营销
    • 社区运营
    • KOL 合作

  • 国际化

    • 多语言支持
    • 本地化运营
    • 海外市场拓展

  • 技术创新

    • AI 模型优化
    • 新功能探索
    • 技术专利申请

7. 风险与应对

7.1 技术风险

7.1.1 API 稳定性

  • 风险描述：换装/发型接口可能不稳定或超时
  • 应对措施：
    • 换装接口设置 ≥ 320s 超时，发型接口设置 ≥ 120s 超时
    • 前端展示已等待秒数，避免误以为卡死
    • 发型接口失败时使用原图降级处理
    • 监控 /health 接口可用性
    • 建立容错机制和重试策略

7.1.2 性能瓶颈

  • 风险描述：高并发情况下性能可能不足
  • 应对措施：
    • 缓存优化（发型列表等静态数据）
    • 请求队列管理
    • 错峰处理提示
    • 性能监控

7.1.3 隐私安全（人脸属敏感个人信息，最高优先级）

  • 风险描述：用户照片数据可能泄露或滥用；人脸信息处理不合规将面临监管处罚与下架风险
  • 应对措施：
    • 人脸信息单独授权，不可默认勾选，可单独撤回
    • 原始照片处理完即删（保留 ≤24h 仅用于任务重试），只保留派生特征与结论
    • 明确承诺照片不用于模型训练，并写入隐私政策
    • 数据加密传输与存储，OSS 签名链接短时效
    • 分享长图默认"结论版"（不含照片），降低泄露面
    • 支持数据导出、清空照片、注销彻底删除
    • 疑似未成年人拒绝生成；第三方数据处理方在隐私政策中列明
    • 定期合规审计

7.1.4 Uni-App-x 跨平台风险

  • 风险描述：Uni-App-x 在鸿蒙端的兼容性和性能
  • 应对措施：
    • 提前验证鸿蒙端关键能力
    • 关注 DCloud 官方鸿蒙适配进展
    • 必要时使用原生插件补充能力
    • 性能瓶颈点用原生实现

7.1.5 知识库与素材缺口（第一版最大隐性风险）

  • 风险描述：两项数据缺口会直接导致核心功能"看起来做完了但不可用"——
    • 现有 60 款发型只有 id/name/image_url，没有适配标签，"按脸型推荐发型"无法实现
    • 没有白底单品图素材，换装接口无图可传，"AI 建议 → 一键试穿"闭环断裂，用户只能自己找图
  • 应对措施：
    • 将发型打标（1~2 人日）与素材抠图流水线列为 Phase 1 前置任务，不可延后
    • V1 至少产出 300 件 tryon_ready 单品，未达标则功能降级为"加入搭配"而非"一键试穿"
    • 单品标注 tryon_slot（换装接口只支持上衣与裤子，连衣裙/鞋/包/配饰不支持），产品端据此控制按钮展示
    • 素材版权：禁止抓取电商与社交平台图片，建立 license 字段与审核环节

7.1.6 AI 生成质量与幻觉

  • 风险描述：大模型可能给出违反美学规则或用户禁忌的建议（如给柔夏型推荐正红色、给明确拒绝短裙的用户推荐短裙），一次错误就会摧毁"专业"信任
  • 应对措施：
    • 核心结论由规则引擎产出，LLM 只负责组织语言，不允许自由发挥
    • 检索链路先做硬过滤（画像约束 + 禁忌项 + 色板范围），再做向量召回
    • 生成后一致性校验：禁忌项违反率必须为 0（红线）
    • 200 条黄金评测集回归测试，知识准确率 ≥95% 才允许发布

7.1.7 生成成本失控

  • 风险描述：换装/报告为 GPU 长耗时推理，重度用户与刷量行为可能造成成本远超收入
  • 应对措施：
    • 配额中心统一管控 + usage_log 逐次记账
    • 端侧预检拦截无效请求（不合格照片不进队列、不计额度）
    • 结构化结论走规则引擎而非 LLM；相同参数结果缓存
    • 设备/账号/IP 三重限流，异常账号冻结
    • 用点数制替代"无限次"权益（见 §3.1）

7.2 市场风险

7.2.1 用户接受度

  • 风险描述：用户可能不接受虚拟试穿
  • 应对措施：
    • 快速迭代
    • 用户反馈机制
    • A/B 测试
    • 用户教育

7.2.2 竞争激烈

  • 风险描述：市场竞争激烈，可能被超越
  • 应对措施：
    • 差异化定位
    • 快速创新
    • 建立壁垒

7.2.3 商业模式验证

  • 风险描述：商业模式可能无法盈利
  • 应对措施：
    • 小步快跑
    • 数据驱动
    • 多元化收入
    • 灵活调整

7.3 政策风险

7.3.1 数据合规

  • 风险描述：可能违反数据保护法规
  • 应对措施：
    • 严格遵守《个人信息保护法》，人脸信息按敏感个人信息单独授权
    • 建立数据合规体系与处理者清单
    • 定期合规审计
    • 用户知情同意 + 可撤回 + 可删除

7.3.2 AI 生成内容合规

  • 风险描述：违反《生成式人工智能服务管理暂行办法》《互联网信息服务深度合成管理规定》
  • 应对措施：
    • 报告页、结果图、分享长图标注 AI 生成标识
    • 保留免责声明："AI 计算可能存在误差，结论仅供参考"
    • 换装能力限制为仅本人照片，禁止上传他人照片（防换脸滥用），V2 增加人脸一致性校验
    • 未成年人保护：疑似未成年拒绝生成

7.3.3 内容审核

  • 风险描述：用户生成内容可能违规
  • 应对措施：
    • 机器审核 + 人工审核双层机制
    • 用户举报与违规处理机制
    • 外貌评价文案红线：禁止"腿粗""脸大"等负面表述，统一改为中性描述 + 修饰策略，敏感词表在生成后校验环节强制过滤
    • 报告不得包含医疗、减肥、整形类建议

7.3.4 命理内容审核风险

  • 风险描述：五行/幸运色模块在部分应用市场审核中属敏感内容，可能影响整体上架
  • 应对措施：
    • 明确标注"仅供娱乐，不构成任何建议"
    • 服务端可配置开关，必要时整模块下线，不影响其他功能
    • 上架前与渠道审核规则逐条核对

8. 成功指标

8.1 用户指标

8.1.1 规模指标

  • DAU：30 万（第一年）
  • MAU：100 万（第一年）
  • 注册用户：200 万（第一年）

8.1.2 质量指标

  • 留存率：次日 >40%，7 日 >20%，30 日 >10%
  • 活跃度：日均使用时长 >10 分钟
  • 满意度：用户满意度 >4.5/5

8.1.3 转化指标

  • 会员转化率：>3%（免费转付费，按点数制修正后的保守目标）
  • 高级版转化率：>1%（会员转高级）
  • 全面报告付费转化率：>3%（曝光转购买，V2）
  • 付费率：>5%（整体付费率）

8.1.4 报告与个性化指标（第一版核心）

报告与记忆系统是第一版的验证重点，指标单列：

指标 目标 意义
报告完成率（生成成功 / 新用户） > 40% 画像覆盖度，决定所有个性化能力的上限
人脸授权通过率 > 60% 合规前提下的转化能力
照片合格率（通过预检 / 上传） > 75% 引导与预检质量，直接影响成本
报告 → 试穿转化率 > 35% "建议 → 预览"闭环是否成立
报告 → Agent 转化率 > 20% 报告是否有效导流对话
报告分享率 > 15% 增长杠杆
全面报告预约率 > 8% V2 是否开发付费报告的决策门槛
画像完备率（L1 关键 8 项） > 70% 记忆系统地基
人均记忆条数（L2） > 8 条 个性化学习深度
结论修正率 < 15% 诊断准确性反向指标
Agent 重复询问率 < 3% 记忆注入是否真正生效
有画像 vs 无画像用户的建议采纳率差值 > 15pp 验证记忆系统的真实价值
有报告 vs 无报告用户次日留存差值 > 15pp 验证报告的留存价值
关闭个性化推荐比例 < 5% 信任度反向指标

8.2 业务指标

8.2.1 收入指标

  • ARPU：¥15/月（第一年）
  • 会员收入：¥150 万/年（第一年）
  • 广告收入：¥120 万/年（第一年）

8.2.2 运营指标

  • API 调用量：100 万次/月（第一年）
  • 试穿次数：50 万次/月（第一年）
  • 发型设计次数：30 万次/月（第一年）
  • 美学报告生成量：20 万份/月（第一年）

8.2.3 成本指标（新增，与收入指标同等重要）

  • 单用户月度 AI 成本：免费用户 ≤ ¥8，会员 ≤ ¥20
  • 单次成本：换装 ≤ ¥0.50 / 发型 ≤ ¥0.20 / 初级报告 ≤ ¥0.30 / 全面报告 ≤ ¥2.00 / 对话 ≤ ¥0.05
  • 无效调用率（被预检拦截前的浪费调用）：< 5%
  • 缓存命中率：> 20%
  • 毛利率：> 60%（V2 起考核）

8.3 技术指标

8.3.1 性能指标

  • 接口响应：换装 <320s（P95），发型 <120s（P95）
  • 报告生成：初级 <60s（P95），全面 <5min（P95）
  • Agent 首字延迟：<2s（P95）
  • 知识库检索：硬过滤 <50ms，向量召回 <200ms（P95）
  • 系统可用性：>99.9%
  • 错误率：<0.1%

8.3.2 质量指标

  • 崩溃率：<0.1%
  • ANR 率：<0.05%
  • 加载时间：<3s（首屏）

8.3.3 安全与质量红线

  • 数据泄露：0 次
  • 安全事件：0 次
  • 合规审计：100% 通过
  • 用户禁忌项违反率：0（推荐了用户明确拒绝的品类/风格，视为 P0 缺陷）
  • 知识准确率：≥ 95%（黄金评测集）
  • 诊断准确率：体型 ≥85%、脸型 ≥80%、四季季型 ≥80%

9. 下一步行动

9.1 立即启动（本周）

9.1.1 技术验证

  • 换装接口能力测试（三种工作流）
  • 发型接口能力测试（发型列表/更换/发色）
  • 接口性能与稳定性评估 + 单次真实成本测算
  • 视觉分析能力选型验证（体型关键点 / 面部关键点 / 肤色采样）
  • Uni-App-x 鸿蒙端环境搭建

9.1.2 数据前置任务（不做则功能不可用，优先级同技术验证）

  • 60 款发型适配标签打标（脸型/量感/直曲/长度/卷度/刘海/正式度）
  • 单品白底图抠图流水线验证（10 件样本走通全流程）
  • 知识库本体 Schema 与属性字典定稿
  • 形象顾问资源接洽（规则撰写与黄金集标注）

9.1.3 产品原型

  • 鸿蒙应用原型开发
  • 核心功能原型（含报告引导流程与任务中心）
  • UI/UX 设计初版
  • 用户测试

9.1.4 市场调研

  • 目标用户访谈（重点验证：是否愿意为形象报告付费、心理价位）
  • 需求验证
  • 竞品分析
  • 市场数据信源补齐（§4.1 待办）

9.2 2 周内完成

9.2.1 技术方案

  • Uni-App-x 项目架构设计
  • 鸿蒙打包流程确认
  • 接口封装方案
  • 技术评审

9.2.2 设计方案

  • UI/UX 设计
  • 交互设计
  • 视觉设计
  • 设计评审

9.2.3 运营计划

  • 上线策略
  • 推广方案
  • 运营计划
  • 预算规划

9.3 1 个月内

9.3.1 MVP 开发

  • 接口集成（换装/发型）
  • 前端页面开发
  • 用户系统开发
  • 测试调试

9.3.2 测试发布

  • 内部测试
  • 灰度发布
  • 用户反馈
  • 问题修复

9.3.3 正式上线

  • 鸿蒙应用上架
  • 市场推广
  • 用户运营
  • 数据监控

10. 附录

10.1 现有接口清单

10.1.1 换装接口

10.1.2 发型接口

接口 方法 路径
获取发型列表 GET /hair/api/hairstyles
更换发型 POST /hair/api/change-hair
更换头发颜色 POST /hair/api/change-hair-color

10.1.3 化妆指导接口

  • 状态：⏳ 待确认（第一版暂不包含，后续版本规划）

10.1.4 现有接口的能力边界（产品设计必读）

限制 影响 产品应对
换装仅支持上衣（cloth_img）+ 裤子（kuzi_img） 连衣裙、鞋、包、配饰无法试穿 单品标注 tryon_slot，不可试穿的只展示"加入搭配"
裤子流程必须同时传 cloth_img 单独换裤子会解码失败 前端强制校验，缺上衣时用默认上衣素材
需要传入具体服装图片 没有素材库则功能形同虚设 建设白底单品素材库（见 §2.5.4）
换装耗时几十秒~几分钟 前台等待体验差 异步任务中心 + 完成推送（见 §2.7）
发型接口仅返回 60 款、无适配标签 无法按脸型/量感推荐 人工打标 60 款（见 §2.5.4）
发型失败时返回原图降级 用户可能误以为"没变化" 前端检测结果与原图一致时提示"处理失败，请重试"
OSS 结果为签名链接 链接过期后历史记录图片失效 结果图需转存到自有存储
接口无认证 存在被盗用与刷量风险 服务端代理转发 + 自有鉴权与限流，不在客户端直连

10.2 技术栈概要

  • 前端框架：Uni-App-x（Vue 3 语法）
  • 首发平台：鸿蒙 HarmonyOS NEXT
  • 后续平台：iOS / Android / 小程序 / H5
  • 图片处理：前端 Base64 编码 + 压缩
  • 网络请求：uni.request（注意超时配置）

详细技术架构方案将在技术设计阶段单独输出。

10.3 关联文档清单

文档 说明
美学报告需求文档 触发时机、初级/全面分级、34 项诊断维度字典、生成流程、付费策略
穿搭 Agent 需求文档 对话能力、意图识别、场景理解、能力联动
用户系统与记忆系统需求文档 账号与会员、配额计量、L0~L5 记忆模型、置信度与冲突消解
美学知识库建设方案 12 类知识分类、7 种模态、建设流程、混合检索链路
reference/个人形象报告.pdf 线下形象顾问交付样例，全面报告的内容深度基准

10.4 参考资料

10.4.1 行业报告（待补齐信源）

  • 《2025年中国时尚电商行业报告》——待确认发布机构与时间
  • 《AI美妆行业发展趋势白皮书》——待确认发布机构与时间
  • 《鸿蒙生态发展报告》——待确认发布机构与时间

10.4.2 合规法规依据

  • 《中华人民共和国个人信息保护法》（人脸信息按敏感个人信息处理）
  • 《生成式人工智能服务管理暂行办法》（AI 生成内容标识）
  • 《互联网信息服务深度合成管理规定》（换装/换脸类能力）
  • 《移动互联网应用程序个人信息保护管理暂行规定》

10.4.3 技术文档

10.4.4 设计规范

  • 鸿蒙设计规范
  • Material Design 设计规范
  • iOS Human Interface Guidelines

11. 待决策事项汇总

需在评审中拍板的关键决策（按优先级）：

# 决策项 影响 建议
1 第一版是否只做初级报告、不做支付 决定 Phase 1 范围与工期 ✅ 建议采纳，用预约率验证付费意愿
2 会员权益是否改为点数制 决定成本可控性 ✅ 建议采纳，避免无限供给亏损
3 单品素材来源（自拍摄 / 图库授权 / 品牌合作） 决定"一键试穿"能否落地 建议图库授权 + 品牌合作双轨
4 是否引入持证形象顾问参与知识库建设 决定专业性与壁垒 ✅ 建议引入 2 人，可作为营销背书
5 视觉分析能力自研 vs 第三方 决定成本与准确率 V1 用第三方快速验证
6 五行模块是否纳入 V2 审核与合规风险 做但可服务端关闭
7 是否支持一账号多形象档案（帮家人诊断） 影响数据模型 V1 预留 profile_id 字段
8 报告术语体系是否需要通俗化改名 影响理解成本与转化 用户测试后决定

文档版本：v4.0 创建日期：2026-08-04 更新日期：2026-08-11 作者：产品团队 状态：待评审 变更说明：

  • v4.0（2026-08-11）：
    • 新增 §1.6 文档地图，明确四个子系统文档的关系与依赖链路
    • 重构 §2.2 美学报告：拆分为初级（V1 免费）/ 全面（V2 付费）两级，补充完整触发时机设计（首次生成 4 类触点、更新触发 7 项条件、付费触发 7 个位置、拦截规则 11 项），并明确第一版以"预约留资"验证付费意愿；详细内容拆分为独立文档
    • 新增 §2.4 用户系统与记忆系统：账号体系（含游客模式与数据迁移）+ L0~L5 六层记忆模型；详细内容拆分为独立文档
    • 新增 §2.5 美学知识库：四层架构、12 类知识分类、7 种模态设计，并指出 60 款发型无标签、无白底单品素材两项前置数据缺口；详细内容拆分为独立文档
    • 新增 §2.6 我的衣橱（V2 差异化重点）、§2.7 任务中心（长耗时任务产品化）
    • 重写 §3 产品形态：会员制改为「基础额度 + 权益点数」，修正原"¥9.9 无限换装"的成本失控问题；V1 只做免费额度与计量
    • §4.3 重新校准壁垒来源：接口非壁垒，真实壁垒为知识库、画像记忆资产、可试穿素材库
    • §5 商业模式：新增全面报告单次付费为 V2 主力收入、点数增值、单位经济模型与单次成本目标；标注原盈利预测口径待修正
    • §6 实施计划：Phase 1 补充报告、记忆系统、知识库 V1、任务中心、配额计量等任务；Phase 2 补充付费体系、衣橱、知识库后台
    • §7 风险：新增知识库与素材缺口、AI 幻觉、成本失控、AI 生成内容合规、命理内容审核五类风险，强化隐私安全条款
    • §8 指标：新增报告与个性化指标（含预约率 8% 决策门槛、采纳率差值 15pp 验证指标）、成本指标、质量红线
    • §10.1.4 新增现有接口能力边界（换装仅支持上衣+裤子等 9 项限制及产品应对）
    • 新增 §11 待决策事项汇总
  • v3.0（2026-08-11）：
    • 技术栈调整为 Uni-App-x，首发鸿蒙
    • 更新换装 API 为生产环境（https://meida.xiangsilian.com）
    • 更新发型 API 为生产环境（/hair/api）
    • 移除第一版购物与商城功能
    • 移除鸿蒙系统特殊功能（分布式/原子化服务/系统级能力）
    • 移除技术架构章节，聚焦产品需求
    • 穿搭 Agent 拆分为独立需求文档
  • v2.0：初始版本
Reference in New Issue View Git Blame Copy Permalink