Smart Wardrobe Styling System 是一个基于 OpenClaw 构建的多智能体穿搭推荐系统，旨在将用户的个人衣橱数据转化为可执行的穿搭方案。
系统支持用户导入衣物信息（如类型、颜色、风格、季节等），并通过多智能体协作完成衣物理解、风格分析与搭配生成，从而实现自动化穿搭推荐。
不同于简单的规则匹配系统，本项目引入语义分析与组合决策机制，使系统能够根据场景需求（如天气、场合、个人偏好）生成多样化且可解释的搭配方案，适用于日常穿搭管理与个性化风格探索。
核心功能
衣物数据管理（分类、标签、属性记录）
自动识别衣物特征（颜色、风格、季节）
基于场景的穿搭推荐（天气 / 场合 / 风格）
多方案生成（提供多套搭配选择）
搭配逻辑解释（说明推荐原因）
个性化偏好适配（逐步优化推荐结果）
Prerequisites
已安装 OpenClaw
Python ≥ 3.9
已配置 LLM API（用于风格理解与搭配生成）
可提供衣物数据（CSV / 手动录入 / 图片标注）
（推荐）基础标签结构（如颜色、类型、季节）
Fast Deployment Guide
请创建 OpenClaw Multi-Agent 项目 smart-wardrobe，目标是： “衣物导入 → 属性分析 → 搭配生成 → 穿搭输出”。
1. 创建目录
mkdir -p ~/.openclaw/agents/smart-wardrobe/agent
cd ~/.openclaw/agents/smart-wardrobe/agent
2. 创建核心文件
IDENTITY.md
nano IDENTITY.md
# Agent Identity
## Name
Smart Wardrobe Agent
## Role
个人衣橱管理与穿搭推荐系统
## Specialty
- 风格识别
- 穿搭组合生成
## Output Promise
- 输出穿搭方案
- 提供搭配逻辑
SOUL.md
nano SOUL.md
# Agent Soul Configuration
## 风格
简洁、结构清晰
## 决策方式
- 颜色协调
- 风格一致
## 规则
- 不生成冲突搭配
- 必须完整穿搭
BOOTSTRAP.md
nano BOOTSTRAP.md
# System Prompt
你是 Smart Wardrobe Agent。
任务：
- 分析衣物数据
- 生成穿搭方案
步骤：
1. 分类衣物
2. 组合搭配
3. 输出结果
输出：
方案 1：
- 上衣：...
- 下装：...
- 鞋：...
说明：...
TOOLS.md
nano TOOLS.md
# Tools
wardrobe.load
wardrobe.match
llm.style_reasoning
AGENTS.md
nano AGENTS.md
# Subagent Contract
输入：衣物数据
输出：
- 多套穿搭
- 搭配说明
3. 准备数据（示例）
nano wardrobe.csv
name,type,color,style
white shirt,top,white,minimal
blue jeans,bottom,blue,casual
sneakers,shoes,white,casual
black dress,dress,black,elegant
heels,shoes,black,elegant
4. 运行 Agent
openclaw agent run smart-wardrobe \
--file ./wardrobe.csv
（可选）
--context "casual outfit"
5. 验证
openclaw agent list
出现 smart-wardrobe 即成功
Publisher
Leyi He
Author
Seekin