我做了什么

基于 阿里云百炼 Qwen 大模型，为我的「电子衣橱 | Digital Cabinet」项目实现了 AI 穿搭推荐功能。

项目原本是一个纯前端衣橱管理工具（Next.js + IndexedDB），"今日推荐"功能一直是"即将推出"的占位状态。通过集成百炼的 OpenAI 兼容 API，实现了：

1. AI 穿搭推荐 — 用户选择场合/天气，AI 分析衣橱中所有衣物属性（颜色、风格、角色、场合适配度），生成 2-3 套完整搭配方案，包含选择理由和穿搭小贴士
2. 偏好定制 — 支持额外偏好输入，让推荐更贴近个人需求
3. 智能衣橱利用 — 优先推荐穿着次数低的冷门单品，提升衣橱利用率

使用的工具

• 百炼 API（OpenAI 兼容接口）
• 模型：Qwen-Plus
• 技术栈：Next.js 16 API Route 做安全代理（保护 API Key）
• 项目仓库：https://github.com/captainold/digital_cabinet

效果展示

集成前

• 「今日推荐」页面标记为"即将推出"，无实际功能

集成后

• 完整的 AI 穿搭推荐流程：选择场合 → 选择天气 → 配置偏好 → AI 分析衣橱 → 生成搭配方案
• 每套方案包含：搭配名称、整体描述、衣物清单（含选择理由）、穿搭小贴士
• 支持"换一批"重新生成

核心代码

// API Route 代理百炼 API
POST /api/recommend
→ 接收衣橱数据 + 场景参数
→ 调用百炼 Qwen-Plus Chat Completions
→ 返回结构化 JSON 穿搭推荐

踩坑记录

1. 纯前端项目的 API Key 安全 — 项目使用 IndexedDB 本地存储，不能直接在前端调用百炼 API。解决方案：通过 Next.js API Route 做服务端代理，API Key 存在 .env.local 中
2. 衣橱数据量控制 — Prompt 中需要包含衣橱摘要但衣物可能有几十件。方案：只传关键属性（名称、颜色、类别、角色等），不传图片 blob，并在 prompt 中做合理限制
3. JSON 输出稳定性 — 百炼 Qwen 模型在长 prompt 下偶尔会输出 markdown 包装的 JSON。方案：在后端做清洗，去除 `````` 标记后再 parse