mooloco/aiwardrobe repository overview

⁠AI 智能衣橱（AI Wardrobe）

面向日常穿搭的 AI 衣橱管理、天气感知穿搭推荐与本地隐私抠图 工具。

上传衣物照片后，系统自动去除背景、用视觉模型识别衣物类别 / 颜色 / 风格 / 季节与适用场景；再结合实时天气、星座运势、场景目标（通勤、约会、运动、面试等）和衣橱现有库存，生成可解释的整套穿搭建议——不只是给一套搭配，还会说明上装、下装、鞋履、配饰各自的入选理由。

前端 React 与后端 FastAPI 已经打包在同一个镜像里，单容器即可运行，数据保存在本地 SQLite 与挂载目录中，照片不需要上传到第三方抠图服务（可选用本地 rembg 推理）。

• 源码：https://github.com/leoz9/AIWardrobe⁠
• 许可：MIT

⁠功能特性

⁠镜像信息

⁠快速开始：Docker Compose（推荐）

新建目录并创建 docker-compose.yml：

services:
  ai-wardrobe:
    image: mooloco/aiwardrobe:V1
    container_name: ai_wardrobe
    ports:
      - "8000:8000"
    environment:
      DB_FILE_PATH: /app/backend/data/wardrobe.db
      TZ: Asia/Shanghai
    volumes:
      - ./uploads:/app/backend/uploads
      - ./data:/app/backend/data
    restart: unless-stopped

启动：

docker compose up -d

浏览器打开 http://localhost:8000⁠ 。首次使用在页面右上角设置里填入模型接口即可（见下文「模型与可选服务配置」）。

停止与清理（数据保留在 ./uploads 与 ./data）：

docker compose down

⁠快速开始：单容器 docker run

docker run -d \
  --name ai_wardrobe \
  -p 8000:8000 \
  -e DB_FILE_PATH=/app/backend/data/wardrobe.db \
  -e TZ=Asia/Shanghai \
  -v "$(pwd)/uploads:/app/backend/uploads" \
  -v "$(pwd)/data:/app/backend/data" \
  --restart unless-stopped \
  mooloco/aiwardrobe:V1

查看日志与健康状态：

docker logs -f ai_wardrobe
curl -I http://localhost:8000

⁠环境变量

其余可选服务（天气、remove.bg、Try-On、模型 Base URL/Key/模型名）都在前端设置界面中配置，写入 data 目录下的配置文件，随挂载持久化。

⁠模型与可选服务配置

进入页面后打开设置面板：

1. 模型接口（必填，用于衣物语义识别与穿搭文案）：支持任意 OpenAI 兼容接口（OpenAI、DeepSeek、通义千问、本地 Ollama/vLLM 等），填写 API Base URL、API Key、模型名；也可用 Google Gemini。
2. 抠图方式：默认使用本地 rembg。首次可在设置中「一键安装 rembg 依赖」（在容器内执行 pip install rembg onnxruntime），或填写 remove.bg API Key 走云端抠图。
3. 天气与城市：默认走 Open-Meteo（免 Key），也可配置和风天气 QWEATHER_API_KEY / QWEATHER_API_HOST。
4. 星座：填写自己的星座即可获得当日运势与幸运色。

⁠数据与备份

备份只需打包这两个目录；迁移到新机器时原样挂载即可继续使用。

⁠常见问题

• 打不开页面：确认端口映射为 8000:8000，并 docker logs ai_wardrobe 查看 Uvicorn 是否已启动。
• 推荐没有内容 / 报模型错误：多为 API Base URL 或 Key 填写有误；本地 Ollama 需用宿主机可访问的地址（如 http://host.docker.internal:11434/v1，Linux 下加 --add-host=host.docker.internal:host-gateway）。
• 抠图很慢或失败：本地 rembg 首次推理要下载模型文件，需容器可访问网络；内网离线环境建议预置模型或改用 remove.bg。
• 时区/时间不对：设置 TZ 环境变量（如 Asia/Shanghai）。
• 图片越来越大：uploads 目录持续增长，注意定期清理或做备份轮转。

⁠相关链接

• 源码仓库：https://github.com/leoz9/AIWardrobe⁠
• 上游镜像（GHCR）：ghcr.io/leoz9/aiwardrobe:latest
• 许可证：MIT © leoz9

本镜像 mooloco/aiwardrobe:V1 由 Mooloco 基于上游源码构建并发布于 Docker Hub，仅供学习与自用部署；项目版权归原作者所有。