# TodayOOTD **Repository Path**: maozzi/today-ootd ## Basic Information - **Project Name**: TodayOOTD - **Description**: OOTD 服务端 - **Primary Language**: Unknown - **License**: MulanPSL-2.0 - **Default Branch**: master - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 1 - **Created**: 2026-01-11 - **Last Updated**: 2026-06-28 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # Today OOTD ![Static Badge](https://img.shields.io/badge/JDK_Version-17-blue) ![Static Badge](https://img.shields.io/badge/SpringBoot_Version-2.7.6-red) ![Static Badge](https://img.shields.io/badge/MySQL_Version-8.0-green) ## 项目介绍 `Today OOTD` 项目,主要是服务于我最爱的老婆婆,以解决今日OOTD问题。 ## 功能介绍 - **智能衣饰库管理**: - **全品类覆盖**:支持帽子、发夹、眼镜、耳饰、项链、围巾、上装、下装(裤/裙)、袜履及鞋履等从头部到脚部的全品类服饰录入。 - **结构化数据**:为每件衣物建立详细档案,包括品牌、颜色、材质、购买日期、价格标签及多角度的实物图片。 - **精细化分类与标签**:支持自定义标签体系(如:通勤、休闲、正式、季节适用性等),实现快速检索与筛选。 - **状态管理**:记录衣物的清洗状态、穿着频率及损耗情况,辅助日常护理决策。 - **AI 智能 OOTD 推荐引擎**: - **多维数据融合**:实时接入当地天气 API,结合气温、湿度、风力及紫外线指数;同时考虑当前季节特征与用户设定的个人偏好(如风格倾向、禁忌颜色)。 - **智能算法匹配**:基于协同过滤或内容推荐算法,从衣橱中自动组合出符合当日场景的最佳穿搭方案(包括上下装搭配、配饰点缀)。 - **动态调整与反馈**:支持用户对推荐结果进行“喜欢”或“不喜欢”的反馈,系统据此不断优化推荐模型,提升个性化准确度。 - **场景化推荐**:针对特定场景(如约会、面试、运动)提供专门的穿搭建议。 - **安全用户中心**: - **账户生命周期管理**:提供完整的用户注册、邮箱/手机验证、登录认证及安全退出流程。 - **隐私数据保护**:采用加密技术存储用户敏感信息(如密码、个人偏好数据),确保数据在传输和存储过程中的安全性。 - **权限控制**:实现基于角色的访问控制,确保只有授权用户才能访问其个人衣橱数据和穿搭记录。 - **会话管理**:支持 Token 机制维持登录状态,并提供异地登录提醒或强制下线功能,增强账户安全性。 ## 详细设计 ### 1. 结构化数据 衣物信息现在支持以下字段: - **基础信息**:名称、品牌、颜色、身体部位、图片 - **扩展信息**: - `material`: 材质(如:棉、麻、丝、毛等) - `purchaseDate`: 购买日期 - `price`: 价格 - `tags`: 标签(JSON格式存储,支持自定义标签体系) ### 2. 精细化分类与标签 #### 身体部位分类(part字段) - 1: 头部(帽子、发夹、眼镜等) - 2: 颈部(项链、围巾等) - 3: 上身(上装、外套等) - 4: 腕部(手表、手镯等) - 5: 手部(戒指、手套等) - 6: 下身(裤、裙等) - 7: 脚部(袜履、鞋履等) #### 标签体系(tags字段) 标签以JSON数组格式存储,支持以下类型: **场景标签**: - work: 通勤 - casual: 休闲 - formal: 正式 - sport: 运动 - party: 聚会 - travel: 旅行 **季节标签**: - spring: 春季 - summer: 夏季 - autumn: 秋季 - winter: 冬季 **风格标签**: - classic: 经典 - trendy: 潮流 - minimalist: 简约 - vintage: 复古 - elegant: 优雅 **其他标签**: - new: 新品 - favorite: 喜爱 - recommend: 推荐 ### 3. 穿着记录 - `wearCount`: 穿着次数(自动累加) - `lastWearDate`: 最后穿着日期(自动更新)