第一阶段：数据准备和AI能力测试

数据准备
从淘宝中挑选出20张不同类型的服装，并手动标注出服装的标签保存到一个Excel表格中管理。
手动标注服装数据集

模型对比测试
本次挑选了Qwen3于豆包两个不同的多模态大模型来对比识别服装标签的能力。

对比标注结果得到通义千问的准确度为80%，而豆包的准确度为75%左右。因此后续系统选用通义千问作为后端的AI能力提供者。

第二阶段：AI开发

把任务描述和任务书给AI，让AI帮助生成一个初步的prompt，目标对象是lovable。

最终得到一个给lovable使用的prompt：

**角色:** 你是一位顶级的全栈软件架构师，将为我构建一个完整、可部署的“服装识别系统”。

**核心任务:** 基于以下两部分详细需求，生成包含所有后端和前端代码的完整文件结构和内容。你需要确保后端API的设计与前端的调用完全匹配，数据模型一致。



### **第一部分：后端系统 (FastAPI & Supabase)**

**技术栈:**

- **语言与框架:** Python 3.9+, FastAPI
- **数据库:** Supabase (PostgreSQL)
- **文件存储:** Supabase Storage
- **向量支持:** 使用Supabase的`pgvector`扩展

**1.1 数据库设计 (SQL DDL)**

请生成以下SQL建表语句：

- **`tag_category_enum` (标签分类枚举):**
  - 创建一个`ENUM`类型，包含值: `样式名称`, `颜色`, `色调`, `领型`, `袖型`, `版型`, `长度`, `面料`, `图案`, `工艺`, `场合`, `季节`, `风格`。
- **`garments` (服装表):**
  - `id`: 主键, UUID, 默认生成
  - `created_at`: timestamptz
  - `image_url`: 图片公开URL, TEXT
  - `image_path`: 图片存储路径, TEXT
  - `image_vector`: 图片特征向量, vector(512) (为以图搜图预留)
- **`tags` (标签表):**
  - `id`: 主键, bigserial
  - `garment_id`: 外键, 关联`garments.id`
  - `category`: `tag_category_enum`类型
  - `value`: 标签值, TEXT
  - `source`: 来源, TEXT ('AI'或'Manual')
  - `confidence`: AI置信度, FLOAT (0.0-1.0)

**1.2 FastAPI应用开发 (Python)**

请生成结构化的Python代码文件 (`main.py`, `api/upload.py`, `api/garments.py`, 等)。

- **`POST /upload`:** 接收图片，存入Supabase Storage，创建`garments`记录，并异步调用AI识别（预留函数框架）将结果存入`tags`表。

- **`GET /garments`:** 支持分页，返回服装列表。

- **`GET /garments/{garment_id}`:** 返回单件服装详情及其所有标签。

  - **示例JSON响应:**

    JSON

{
  "id": "uuid-goes-here",
  "created_at": "2025-07-22T12:00:00Z",
  "image_url": "https://<project-ref>.supabase.co/storage/v1/object/public/garments/image.jpg",
  "tags": [
    {"category": "颜色", "value": "蓝色", "source": "AI", "confidence": 0.95},
    {"category": "样式名称", "value": "连衣裙", "source": "AI", "confidence": 0.98}
  ]
}


- **`POST /garments/{garment_id}/tags`:** 添加新标签。

- **`DELETE /tags/{tag_id}`:** 删除标签。

- **`POST /search`:** 根据文本和标签组合进行搜索。

------



### **第二部分：前端应用 (Lovable Platform)**



**全局要求:**

- **设计风格:** 现代、简洁、以图片为中心。
- **响应式:** 完美适配桌面和移动设备。
- **API集成:** 所有前端功能都需与以上定义的第一部分后端API进行数据交互。

**2.1 页面一：服装库 (`/`)**

- **布局:** 顶部导航栏（含“上传图片”按钮）+ 主体响应式图片网格。
- **功能:**
  - **图片上传:** 点击按钮调用 `POST /upload` 接口，成功后刷新网格。
  - **图片展示:** 页面加载时调用 `GET /garments`，实现无限滚动加载。
  - **交互:** 点击图片跳转至详情页 `/garment/{garment_id}`。

**2.2 页面二：图片详情与编辑 (`/garment/{garment_id}`)**

- **布局:** 左侧大图，右侧标签信息与编辑功能。
- **功能:**
  - **数据加载:** 进入页面时调用 `GET /garments/{garment_id}` 获取数据。
  - **标签编辑:**
    - 每个标签旁有删除按钮，调用 `DELETE /tags/{tag_id}`。
    - 提供“添加标签”功能，通过下拉框和输入框，调用 `POST /garments/{garment_id}/tags` 保存。

**2.3 页面三：智能搜索 (`/search`)**

- **布局:** 顶部搜索区 + 主体结果网格。
- **功能:**
  - **搜索区:** 包含文本搜索框和按分类组织的标签筛选器（复选框）。
  - **搜索逻辑:** 组合搜索条件，调用 `POST /search` 接口，并将结果展示在下方网格中。

这个prompt包括了详细的介绍和部分接口定义，让lovable能清晰的开发前后端代码。
但这个提示词一次就吧当日额度用光了，得到了一个初步的系统。

目前这个系统还是只包括了

  • 上传图片保存
  • 图片首页展示
  • 手动添加标签
  • 按照标签索引搜索
    这一部分功能，系统要求最核心的AI识别服装图像并打标签的功能并没有实现，
    之后把代码clone到本地使用cursor继续开发，完善功能。

优化进度

  1. 添加了额外的上传图片功能，现在上传图片会有额外的对话框，需要用户上传图片后再点击识别图片才调用AI识别，并且右侧还可以自定义修改标签，