熊猫搭搭 · AI 私人穿搭管家
我的创业项目。在 3–5 人团队中从 0 到 1 推进熊猫搭搭，连接智能衣橱、AI 试穿与商品购买，并探索智能镜场景。
- 我的角色
- 产品经理
- 负责范围
- 产品设计 · 电商链路 · AI 方案验证与运营
产品实录 / 创业项目
从智能衣橱，到 AI 试穿
项目背景 / 故事从这里开始
试穿效果出现以后，用户的选择才刚开始。
线上买衣服时，用户会关心穿在自己身上是否合适，以及能不能与已有衣服搭配。AI 换装能够提供一种视觉参考，但如果生成结束后就没有后续路径，体验与真实的穿搭、购物需求仍然是分开的。
熊猫搭搭是我在云智天合做的创业项目。在 3–5 人团队中，我从 0 到 1 推进智能穿搭小程序与智能镜，兼顾产品设计、业务推进、方案验证和用户运营。我将试穿、衣橱、推荐与商品购买放到同一条消费链路中考虑。
怎样让虚拟试穿参与一次真实的购买决策？
遇到的问题
换装图片能让用户看到一种可能的穿着效果，但用户还需要知道对应的是哪件商品、有哪些商品信息，以及怎样继续购买。体验停留在生成结果上时，这些问题仍然没有被接住。
我将 AI 试穿定位为购买前的决策辅助。结果需要与具体商品建立联系，让用户能够从试穿参考继续查看商品和作出购买选择，同时保留对模型效果边界的判断。
把试穿绑定到商品
建设自有商城，将商品 SKU 与虚拟试衣连接，支持从商品发起一键试穿。这样用户看到的效果能够回到具体商品，而不是一张无法继续操作的独立图片。
把生成体验接回交易
在小程序中衔接照片、服装选择、试穿结果与商品购买流程，围绕用户消费任务组织体验。设计重点是让 AI 结果成为决策参考，并与后续商品信息及购买路径连贯衔接。
- 01选择商品
- 02虚拟试穿
- 03判断搭配
- 04继续购买
生成结果的产品价值，要放到用户接下来做出的选择中理解。
购买之外，用户为什么还会回来？
遇到的问题
购物并不是每天都会发生，但穿搭是持续存在的需求。只围绕一次试穿或购买提供功能，难以服务用户已经拥有的衣服，也缺少承接日常搭配问题的基础。
我通过智能衣橱组织用户已有服装，让产品从一次购买前的辅助延伸到日常穿搭。用户自己的衣服成为持续积累的资产，也为后续建议提供更具体的上下文。
建立个人服装资产
建设智能衣橱，让用户管理已有服装，连接 AI 换装与日常搭配场景。衣橱承担的是持续管理的角色，使产品能够围绕用户真实拥有的内容继续提供服务。
从场景需求出发提供建议
围绕衣橱内容、风格偏好和使用场景组织穿搭助手，探索每日搭配与场景搭配体验。通过用户运营和实际反馈推进迭代，判断这些能力是否回应了持续使用的需求。
长期使用的理由需要来自反复发生的需求，智能衣橱为这类需求提供了可积累的基础。
推荐一件衣服，怎样解释它为什么适合用户？
遇到的问题
服装选择同时受到个人风格、已有衣物和生活场景影响。只给出商品列表，很难解释推荐与用户之间的关系；AI 能力进入真实产品后，也需要面对识别、标签、效果和服务承载的问题。
我将推荐放回人与服装的关系中考虑，并把产品方案与技术验证一起推进。用户侧需要具体的穿搭建议，团队侧则需要判断模型和服务能力能否支持这样的体验。
让推荐带有穿搭上下文
结合用户画像、衣橱与偏好组织推荐思路，围绕日常或特定场景提供搭配方案，再连接相关商品。用户看到的是与自己需求有关的选择依据，而不仅是更多可购买的商品。
把产品目标带进能力验证
虚拟试衣采用 IDM-VTON，部署在双 NVIDIA A100 GPU 上。我协同算法和研发推进试穿方案验证，参与模型部署、算力与并发方案评估，并验证识别、标签与推荐能力；同时将智能穿搭能力延伸到智能镜，探索线下零售中的使用方式。
在小团队中，产品设计既要解释用户价值，也要持续确认实现条件与体验边界。
交付与复盘
这段经历，留下了什么？
工作内容与交付
我参与建设智能穿搭小程序、智能镜、智能衣橱、AI 换装与自有商城，并推动商品一键试穿、识别标签和推荐方案的验证。
- 智能穿搭小程序 / 智能镜
- 智能衣橱与 AI 换装
- 自有商城 / 一键试穿
- 识别、标签与推荐方案验证
我带走的方法
从技术体验走向消费产品，需要依次回答用户为什么使用、结果怎样影响选择，以及下一次使用的理由是什么。把 AI 放进完整任务，才能继续讨论产品价值。
试穿结果属于辅助参考，不能代替真实尺码与上身体验。本页不将留存、日活或购买转化的设计目标表述为已验证的增长结果。