Anyesh/wardrowbe

wardrowbe – 自托管 AI 驱动的数字衣橱管理器

是什么 – 一个全栈 Web 应用，允许你拍摄衣物照片，将它们存入可搜索的目录，并使用多模态 LLM（通过 OpenAI、Ollama、LocalAI 等）为每件物品打标签，根据天气、场合和个人偏好生成每日穿搭建议。所有数据都存储在你自己的硬件上；AI 组件可本地运行（Ollama）或通过任何 OpenAI 兼容服务运行。

核心功能（README 中列出）

基于照片的目录 – 上传图片；AI 提取颜色、图案、风格，可选地移除背景。
智能穿搭推荐 – 多模态 LLM 根据天气（Open-Meteo）和用户定义的场合，建议穿什么。
定时通知 – 每日建议可通过 ntfy、Mattermost 或电子邮件推送。
家庭账户 – 为多个家庭成员设置独立衣橱。
穿着记录与反馈 – 记录何时穿着某件物品，评分穿搭并添加评论。
分析仪表板 – 可视化颜色分布、最常穿的单品、从未使用的物品等。
完全自托管 – 使用 Docker Compose（或 Kubernetes）部署；无 SaaS 锁定。
AI 无关性 – 支持任何 OpenAI 兼容 API：Ollama（免费，本地运行）、OpenAI、LocalAI 或其他托管模型。
国际化 UI – 通过 next-intl 支持八种语言。

工作原理（来自 README 的架构）

前端 (Next.js 14 + React Query)  <--->  后端 (FastAPI + async SQLAlchemy)
        │                                 │
        │   PostgreSQL (衣橱数据)          │   Redis (任务队列)
        │                                 │
        └───► 后台工作器 (arq) ──► AI 服务 (Ollama/OpenAI/etc.)

上传 – 前端将图像发送到 FastAPI 后端。
后台任务 – arq 工作器接收请求，调用配置的视觉模型（例如通过 Ollama 的 gemma3）提取标签并可选地移除背景。
存储 – 标签和元数据保存在 PostgreSQL 中；图像（或裁剪版本）存储在主机卷上。
推荐引擎 – 定时任务（或按需请求）调用文本模型（相同或不同），结合当前天气（Open-Meteo）和用户偏好，返回自然语言穿搭建议。
交付 – 建议通过选定的通知渠道发送给用户。

技术栈（明确提及）

层级	技术
前端	Next.js 14, TypeScript, Tailwind CSS, shadcn/ui, TanStack Query
后端	FastAPI, async SQLAlchemy, Pydantic, Python 3.11
数据库	PostgreSQL 15
缓存 / 队列	Redis 7（由 `arq` 工作器使用）
后台任务	`arq`（异步任务队列）
认证	NextAuth.js（开发凭证或 OIDC）
AI 集成	任意 OpenAI 兼容 API（Ollama、OpenAI、LocalAI 等）
容器化	Docker Compose（多架构镜像） – 可选 Kubernetes 清单

快速入门（快速启动摘要）

安装 Docker + Compose，如果需要本地 LLM，则 安装 Ollama 并拉取 gemma3（或其他多模态模型）。
克隆仓库 并将 .env.example → .env 复制。
编辑 .env，指向你的 AI 服务（Ollama URL 或 OpenAI 密钥），并设置密钥（SECRET_KEY、NEXTAUTH_SECRET）。

运行生产 compose 文件：

docker compose pull
docker compose up -d
docker compose exec backend alembic upgrade head   # 迁移

打开 http://localhost:3000 查看 UI，http://localhost:8000/docs 查看 API 文档。

开发时，添加 -f docker-compose.dev.yml 以启用热重载，并使用 npm run dev 本地运行前端。

典型使用场景

个人衣橱数字化 – 一次性扫描所有衣物，让 AI 自动打标签。
每日穿搭规划 – 每天早上接收天气感知的建议。
家庭共享 – 为配偶、孩子等设置独立衣橱，全部托管于一个自托管实例中。
数据驱动的整理 – 使用分析视图查看哪些颜色或物品从未被使用。

限制与注意事项

AI 质量取决于模型 – 免费本地模型（如 gemma3）可能不如 OpenAI 的视觉模型准确。
硬件要求 – 至少 4 GB 内存；更大的多模态模型需要更多内存。
背景移除为可选 – 需要 rembg 或外部 HTTP 服务；否则按钮返回 501 错误。
位置信息回退的隐私 – 启用 NEXT_PUBLIC_ENABLE_IP_LOCATION_FALLBACK 会将用户 IP 发送到第三方服务。
尚无移动应用 – README 提到即将上线 Play 商店；目前仅支持 Web 界面。

哪些人可能需要

希望拥有隐私优先数字衣橱的科技爱好者。
寻找无需依赖云服务的共享衣橱管理器的小家庭。
对构建 AI 增强型个人助手工具感兴趣的开发者，需要一个现成的视觉+文本集成示例。

总结 – wardrowbe 是一个真正的自托管应用，结合现代 Web 技术与多模态 LLM，实现衣橱管理与穿搭推荐自动化。它完全文档化、容器化，并可配置为与任何 OpenAI 兼容后端运行，是 AI 增强型个人生产力工具的优秀范例。