Wardrobe：把照片里的衣服拆成单品，建一个本地数字衣橱

衣柜塞得满，出门还是觉得没衣服穿，往往是因为你不知道自己到底有哪些。Wardrobe 把这件事做成一个可以逐件检查的流程：丢一张照片进去，它先识别画面里的衣物，再用图像模型生成背景干净的单品图，并建议名称与分类。整理结果是一个按上衣、外套、下装、配饰和鞋子分组的私人画廊。仓库采用 MIT 许可，截至 2026-10-19 有 2,242 颗星。

核心功能

• 从照片提取单品：网页导入支持选择、拖拽和粘贴。衣物识别走 OpenAI Responses API，抠图与单品图走 Images API；默认视觉模型是 gpt-5.4-mini，生图模型是 gpt-image-2，质量设为 high。
• 先审核再入库：生成结果不会直接写进衣橱，你可以逐件检查单品图、修改名称与分类、不满意就重新生成，确认后才保存。这一点很关键——图像模型可能弄错袖口、图案或颜色。
• 单品信息可改：打开详情能改名称和类别，调整主色与辅色，加风格标签；也支持直接从衣物图片上取色，修正颜色记录。
• 上身预览：结合一张人物参考图，可以生成单品穿在身上的效果图，用来帮助想象搭配。它是 AI 生成的视觉预览，没有测量肩宽、腰围或面料垂坠，不能用它判断尺码。
• 两个 Codex Skill：import-clothes 从本地照片批量提取衣物并入库，generate-outfits 读取已有单品，按颜色、层次和场景组合整套造型并生成图册。

典型使用场景

• 先盘点再买：把常穿的衣服录入一遍，看清自己实际有什么，再决定缺的是哪一件。
• 旅行前配几套：指定场景和套数，让 generate-outfits 从已有单品里组合，满意的组合留下当参考。
• 需要统一的信息记录：名称、类别、颜色和标签都由自己确认，比翻相册找某件衣服快得多。
• 想保留数据控制权：原图、任务记录、生成图片和 JSON 数据库都保存在本机 data/ 目录。

边界同样明确：识别与生图要调用云端 AI，照片会发送给 OpenAI 处理，代码免费但模型调用可能产生费用；网页导入必须先配置 OPENAI_API_KEY 并放一张 data/model-reference.png 人物参考图，否则导入功能保持禁用；界面目前主要是英文；generate-outfits 需要在支持相应能力的 Codex 环境中运行，不是网页里配好的一键服务。

快速上手

git clone https://github.com/tandpfun/wardrobe.git
cd wardrobe
npm install
cp .env.example .env      # 填入 OPENAI_API_KEY
# 把一张自己的 PNG 参考照片放到 data/model-reference.png
npm run dev               # 打开 http://localhost:5173

建议先用一两张衣物清晰的照片走完导入流程，确认单品图和信息都准确，再慢慢补齐整个衣橱。仓库 README 里还有面向 Agent 的配置说明，可以直接让 Codex 按步骤完成。

小结

Wardrobe 适合愿意花一点时间整理衣橱、并希望数据留在本地的人。它把「我有哪些衣服」变成可浏览、可修改、可审核的记录，再用上身预览和搭配图册延长了这份记录的价值。代价是需要自己配置 API Key 与参考图、界面为英文，而且识别结果始终需要人复核。和站内写过的 DrawAI 一样，它都是把图像模型的结果落成可继续编辑的结构，区别是 Wardrobe 面向的是个人衣橱而不是文档素材。仓库为 MIT 许可，主要语言 JavaScript，stats checked 2026-10-19。