一个人平均拥有148件衣服，但每天早上仍有72%的人站在衣柜前发呆超过10分钟。这不是我编的，是宜家2019年的调研数据。一位独立开发者看到这个数字后，花了三个月做了个叫Libaas的AI衣柜应用，然后把它扔到了程序员社区——不是求赞美，是求被骂。
「你的衣服比你想象的更认识你」
Libaas的玩法听起来像科幻片里的场景：掏出手机拍一张衬衫，AI自动识别面料、颜色、版型、适用季节，零手动输入。第二天早上，它结合当地天气预报，从你已经拥有的衣服里挑出一套搭配。不是小红书博主那种「借鉴穿搭」，是你自己的衣服、自己的天气、自己的建议。
开发者列出的功能清单很克制：AI自动标签、天气智能推荐、穿着历史追踪、单次穿着成本计算器、旅行打包规划、端到端加密。没有「元宇宙衣帽间」，没有「区块链确权」，没有「社交裂变」。
但他在帖子最后抛出的五个问题，暴露了所有独立开发者的焦虑：这是止痛药还是维生素？哪个功能能让你天天回来？缺什么你会立刻付费？最大的 red flag（警示信号）是什么？
评论区变成了产品面试现场
最高赞回复直戳肺管子：「我每天早上花30秒随便抓衣服，这个问题不值得解决。」另一条评论更狠：「你解决的是'选择困难'，但真正的痛点是'衣服皱了/脏了/找不到了'。」
有人算了一笔账：拍148件衣服，每张30秒，初始化成本74分钟。「除非你能让我跳过拍照这一步，否则我不会开始。」还有人质疑商业模式：「 wardrobe（衣橱）数据是极度隐私的，你凭什么让我相信一个 solo developer（独立开发者）不会跑路？」
但也有人看到了不一样的角度。一位用户说：「我女朋友有300多件衣服，她愿意为这个功能付月费——如果它能记住'这条裙子上次穿是周三的约会，不能再穿给同一个人看'。」
这条评论收获了127个赞，却没人讨论技术怎么实现。
成本计算器：一个被低估的钩子
讨论中有个细节反复出现：单次穿着成本（Cost-per-Wear）计算器。很多人第一次意识到，那件3000块只穿了两次的西装，单次成本比优衣库基础款还高。
开发者原本把它放在功能列表第四位，但评论区有人建议：「把这个做成TikTok病毒视频，标题叫'我算出每件衣服的真实价格后，扔掉了半个衣柜'。」
另一个被忽视的场景是旅行打包。一位经常出差的用户说：「我去新加坡前永远不知道带几件短袖，当地天气显示'雷阵雨'但室内空调冷到发抖。如果你的AI能结合室内外温差建议 layering（叠穿）方案，我明天就付费。」
「端到端加密」成了信任悖论
开发者在功能列表里特意强调了隐私保护，但评论区有人反问：「既然你 solo 开发，加密不加密有什么区别？你拿着私钥，和拿着明文数据库是一样的。」
这条回复下面吵了47楼。有人建议开源代码，有人建议本地优先架构（数据只存在用户设备），还有人提出更现实的方案：「先别管加密，让我能导出CSV备份就行——小公司倒闭比泄露更让我担心。」
开发者最后回复：「我加密的初衷是防止未来被收购后数据被卖，但你们说得对，活着比道德重要。」
那个没人敢问的问题
帖子发布72小时后，开发者更新了一条编辑记录：「感谢所有反馈，我意识到最大的 red flag 是我自己——一个没做过 fashion tech（时尚科技）、没服装供应链背景、没融资计划的程序员，以为拍脑袋能解决一个存在千年的问题。」
但他没有删帖。相反，他把评论区的高赞建议整理成优先级列表，准备先做一个小范围测试：只服务「衣服数量超过100件、每周出差至少一次、愿意为节省时间付费」的极小众人群。
最后一个回复来自一位产品总监：「你做的不是衣柜管理器，是决策外包服务。别跟优衣库竞争，跟'早上多睡15分钟'竞争。」
如果是你，会把148件衣服的照片交给一个陌生人的服务器吗？还是说，这个问题本身就不该用技术解决——该解决的是为什么我们会买148件衣服？
热门跟贴