针对现代人日常生活中“不知道穿什么”、“穿搭不符合当日天气或特定场合”等痛点,本项目致力于打造一款基于AI大模型与实时天气数据的智能家庭穿搭助手。目标是为用户提供个性化、场景化、智能化的穿搭建议和直观的视觉展示,提升大众的生活品质与出行体验。
- 天气与定位模块 :实时获取用户地理位置,同步当地最新气象数据(温度、降水、风速等)。
- 个性化偏好模块 :支持用户录入性别、年龄、身高、体重、偏好风格,并可输入如“周末去公园野餐”等个性化补充场景需求。
- AI智能推荐模块 :综合天气状况、用户画像及场景需求,调用AI大模型生成量身定制的穿搭方案(包含外套、内搭、下装、鞋子)、舒适度指数及贴心Tips。
- AIGC视觉展示模块 :基于推荐文本方案,利用图像生成大模型一键生成直观的穿搭效果图。
- 鉴权与个人中心模块 :实现微信授权快捷登录、用户信息管理及历史偏好记录。
用户打开小程序 -> 自动完成地理定位与天气获取 -> 在首页确认或调整个人身材特征、风格及补充需求 -> 点击“保存设置并推荐” -> 系统调用后端AI接口生成具体的服饰搭配方案 -> 页面展示搭配细节与舒适度 -> 用户点击“查看示例”生成对应的AI穿搭效果图片 -> 长按图片进行保存或分享。
本项目采用前后端分离的主流架构,确保系统的高可用与易维护性。
- 前端层 :采用原生微信小程序开发框架(WXML/WXSS/JS)构建响应式UI,提供轻量、流畅的原生级交互体验。
- 后端层 :基于 Java (Spring Boot) 框架搭建核心RESTful API服务,负责业务逻辑流转、安全鉴权(基于JWT Token)与数据持久化。
- 数据与基础设施层 :使用 MySQL 存储用户配置与数据,部署于阿里云服务器。
- AI与外部服务层 :后端集成第三方气象API获取实时天气,对接大语言模型(LLM)进行穿搭方案推理逻辑,并调用AIGC图像模型生成穿搭示例图。
我主要负责后端系统架构设计、小程序核心交互逻辑开发以及AI大模型服务的对接调试。
- 成功解决了多模型协同处理的延迟痛点,通过接口优化与Redis缓存设计,将穿搭文字推荐接口响应时间稳定控制在 2 秒以内,AIGC图片生成体验流畅。
- 设计并实现了基于JWT的安全认证体系与微信一键登录闭环,保障了用户数据的隐私和安全性。
- 项目上线部署于阿里云环境,在公测阶段累计稳定处理了上千次AI生成请求,核心接口可用性达到 99.9%,零重大线上故障,极大提升了用户获取穿搭建议的效率。