Anyesh/wardrowbe

wardrowbe – 自主托管 AI 驅動的數位衣櫥管理器

是什麼 – 一個全端 Web 應用程式，讓你拍攝衣物照片，儲存至可搜尋的目錄，並使用多模態 LLM（透過 OpenAI、Ollama、LocalAI 等）為每件物品打上標籤，並根據天氣、場合與個人偏好生成每日穿搭建議。所有資料都儲存在你自己的硬體上；AI 模組可於本地運行（Ollama）或透過任何 OpenAI 相容服務執行。

核心功能（README 中列出）

照片導向目錄 – 上傳圖片；AI 提取顏色、圖案、風格，並可選移除背景。
智慧穿搭建議 – 多模態 LLM 會考慮天氣（Open-Meteo）與使用者定義的場合，建議穿什麼。
定時通知 – 每日建議可透過 ntfy、Mattermost 或電子郵件推送。
家庭帳戶 – 為多個家庭成員設立獨立衣櫥。
穿著紀錄與回饋 – 記錄何時穿了某件物品，評分穿搭並給予評論。
分析儀表板 – 可視化顏色分布、最常穿的單品、從未使用的物品等。
完全自托管 – 使用 Docker Compose（或 Kubernetes）部署；無 SaaS 繫結。
AI 無關性 – 支援任何 OpenAI 相容 API：Ollama（免費，本地執行）、OpenAI、LocalAI 或其他主機模型。
國際化 UI – 透過 next-intl 支援八種語言。

工作原理（來自 README 的架構）

前端 (Next.js 14 + React Query)  <--->  後端 (FastAPI + async SQLAlchemy)
        │                                 │
        │   PostgreSQL (衣櫥資料)          │   Redis (工作佇列)
        │                                 │
        └───► 後台工作器 (arq) ──► AI 服務 (Ollama/OpenAI/etc.)

上傳 – 前端將影像傳送至 FastAPI 後端。
背景工作 – arq 工作器接收請求，呼叫設定的視覺模型（例如透過 Ollama 的 gemma3）提取標籤，並可選移除背景。
儲存 – 標籤與元資料儲存在 PostgreSQL 中；影像（或裁剪版本）儲存在主機磁碟上。
推薦引擎 – 定時工作（或即時請求）呼叫文字模型（相同或不同），結合目前天氣（Open-Meteo）與使用者偏好，回傳自然語言穿搭建議。
交付 – 建議透過選定的通知管道傳送給使用者。

技術堆疊（明確提及）

層級	技術
前端	Next.js 14, TypeScript, Tailwind CSS, shadcn/ui, TanStack Query
後端	FastAPI, async SQLAlchemy, Pydantic, Python 3.11
資料庫	PostgreSQL 15
快取 / 佇列	Redis 7（由 `arq` 工作器使用）
後台工作	`arq`（非同步工作佇列）
認證	NextAuth.js（開發憑證或 OIDC）
AI 整合	任意 OpenAI 相容 API（Ollama、OpenAI、LocalAI 等）
容器化	Docker Compose（多架構鏡像） – 可選 Kubernetes 清單

快速入門（快速啟動摘要）

安裝 Docker + Compose，若需本地 LLM，則 安裝 Ollama 並拉取 gemma3（或其他多模態模型）。
克隆倉儲 並複製 .env.example → .env。
編輯 .env，指向你的 AI 服務（Ollama URL 或 OpenAI 金鑰），並設定密鑰（SECRET_KEY、NEXTAUTH_SECRET）。

執行生產用 compose 檔案：

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

開啟 http://localhost:3000 查看 UI，http://localhost:8000/docs 查看 API 文件。

開發時，加入 -f docker-compose.dev.yml 以啟用熱重載，並使用 npm run dev 本地執行前端。

常見使用情境

個人衣櫥數位化 – 一次掃描所有衣物，讓 AI 自動打標籤。
每日穿搭規劃 – 每天早上接收天氣感知的建議。
家庭共享 – 為配偶、小孩等設立獨立衣櫥，全部託管於一個自托管實例中。
資料驅動的整理 – 使用分析視圖查看哪些顏色或物品從未被使用。

限制與注意事項

AI 質量取決於模型 – 免費本地模型（如 gemma3）可能不如 OpenAI 的視覺模型準確。
硬體需求 – 至少 4 GB 記憶體；更大的多模態模型需要更多記憶體。
背景移除為可選 – 需要 rembg 或外部 HTTP 服務；否則按鈕會回傳 501 錯誤。
位置資訊回退的隱私 – 啟用 NEXT_PUBLIC_ENABLE_IP_LOCATION_FALLBACK 會將使用者 IP 傳送至第三方服務。
尚無行動應用 – README 提到即將上架 Play 商店；目前僅支援 Web 界面。

哪些人可能需要

希望擁有隱私優先數位衣櫥的科技愛好者。
尋找無需依賴雲端服務的共享衣櫥管理器的小家庭。
對開發 AI 增強型個人助理工具感興趣的開發者，需要一個現成的視覺＋文字整合範例。

結論 – wardrowbe 是一個真正的自托管應用，結合現代 Web 技術與多模態 LLM，自動化衣櫥管理與穿搭推薦。它完全文件化、容器化，並可配置為與任何 OpenAI 相容後端運行，是 AI 增強型個人生產力工具的優秀範例。