Meta Muse未披露收入;作者自述投入了大量时间与 token公开 · 免费

把身材、常逛的店和预算固化成档案,让 Agent 只按这份档案帮你挑款和搭配

Shriya NevatiaX · 2026-09-21

打开原帖

i’ve spent a ton of hours and tokens prompting @Muse to make me this custom fashion app but holy crap is it worth it: - gave it my height, weight, measurements, and photos - gave it my top 20 clothing stores and budget ranges - it picks a “hero piece” from the catalog - then builds a look around it (inventing other common pieces) - i described everything i like and dislike and i keep iterating each time - these are my “loves” saved category

业务摘要

把「你是谁、你在哪买、你花多少」固化成一份可反复调用的偏好档案:身材与具体尺寸、风格偏好与明确的雷区、常买的店铺清单、各品类的预算区间。每次使用时,Agent 先从目录里挑一件主角单品,再围绕它补齐整套搭配(缺的基础款由它补出),并按预算区间给出可替代方案;你每次的取舍会回写进档案,留下的进收藏夹。

经常网购衣服但每次都要从头讲一遍自己穿什么的人;有明确的身形限制(肩宽、腰长、腿短等)导致通用推荐总踩雷的人;以及做买手、穿搭内容、代购或选品的人——同一份档案可以服务多个客户的多个衣柜。

执行链路

  1. 先建尺寸档案,不要从风格开始

    身高、体重还不够,要具体尺寸:肩宽、胸围、腰围、臀围、裤长、常穿尺码在各品牌的偏差。没有尺寸,后面所有推荐都是猜。

  2. 把雷区写清楚,比写喜好更有用

    明确列出不穿什么、不接受什么(材质、领型、颜色、露肤度、跟高)。负面清单比正面描述更能收敛结果,因为「喜欢简约」太宽泛,「不接受聚酯纤维」很硬。

  3. 给店铺清单与分品类预算

    列出常买的店铺(原帖给了 20 家)与每个品类的价位区间(外套、上衣、裤装、鞋各自的上下限)。预算不给区间,Agent 只会挑安全的中间价。

  4. 让它先出主角单品,再补搭配

    一次只要一件主角单品,确认后再围绕它补整套。同时要它说明为什么这件适合你的尺寸与雷区——说不出理由的推荐直接淘汰。

  5. 要求给分档方案而不是单一推荐

    按预算内与平价替代给对照,说明差别;只有本人明确另行授权时才增加超预算参考项,超预算项不进入推荐或购买清单。

  6. 把取舍回写进档案

    每次「喜欢 / 不喜欢 / 买了但后悔」都回写进档案,留下的进收藏夹。档案是这套方法唯一的资产,不回写就永远是第一次。

复用方案

  • 愿意花时间把自己的尺寸、风格与预算一次性讲清楚(作者自述投入很大)
  • 知道自己常买的店铺与各品类的可接受价位区间
  • 能接受 Agent 在缺少信息时写「未取得」而不是猜
  • 涉及付费下单与退换货的环节由本人完成,不把支付授权交给 Agent
  • 不同国家的尺码体系不同,店铺清单需与目标市场对应

工作流 Prompt

建一份个人购物偏好档案,让 Agent 按它挑主角单品与整套搭配

你是我的私人选品助手。我们的第一步不是挑衣服,而是建一份可以长期复用的偏好档案。档案没建好之前,不许给任何推荐。

【输入:我会提供什么】
1) 我的尺寸:身高、体重,以及肩宽、胸围、腰围、臀围、裤长等具体尺寸;
2) 我在各品牌常穿的尺码与已知的偏差(例如某品牌偏小一码);
3) 我的风格关键词(3-5 个),以及明确的雷区:不接受的材质、领型、颜色、露肤度、鞋跟高度等;
4) 我常买的店铺清单(10-20 家)与所在市场;
5) 分品类的预算区间:外套、上衣、裤装、鞋各自的上下限;
6) 这次的具体场景(例如通勤、旅行、某场活动)与需要几套。

【执行步骤】
1. 先把上面六项整理成一份结构化档案,用表格输出,字段固定:项目、我的值、备注。缺哪项写「未取得」,不许替我猜。
2. 把档案发给我确认。我确认后,才进入选品。
3. 选品分两轮。第一轮只给一件主角单品:说明它是什么、多少钱、来自哪家店、为什么符合我的尺寸与雷区。说不出理由的,不许推荐。
4. 我确认主角单品后,第二轮围绕它补齐整套搭配;搭配里缺的基础款由你补出,但必须标注哪些是你补的、哪些是我衣柜里已有的。
5. 每个品类给预算内和平价替代方案并说明差别;只有我单独授权时才列超预算参考项,且不得混入推荐清单。
6. 每一条推荐都要标注尺码建议与可能的尺码风险(例如该品牌版型偏小)。
7. 我每次的取舍都要回写进档案:喜欢、不喜欢、买了但后悔,分别记入不同列表;喜欢且确认购买的进收藏夹。

【输出格式】
- 表一:偏好档案(待我确认)
- 表二:主角单品候选(含推荐理由与尺码风险)
- 表三:整套搭配与预算内对照方案
- 末尾:回写记录(本轮新增的喜欢 / 不喜欢 / 后悔项)

【必须由我人工确认后才会继续】
- 档案未经我确认不许开始选品;
- 主角单品由我确认后才进入搭配;
- 尺码建议只是建议,最终尺码由我本人判断,不由你决定;
- 下单、付款、退换货全部由我本人完成,你不许代为下单;
- 你没取得的信息一律写「未取得」,不许用流行趋势或平均身材代替我的真实数据。

【完整小型合成输入输出:非真实业务数据,未调用模型执行】
以下 JSON 给出全部演示输入和人工编写的参考输出;不得从未提供的文件补造事实。参考输出仅覆盖此最小输入,不代表真实业务复现。
{
  "input": {
    "measurements_cm": {
      "height": 165,
      "shoulder": 38
    },
    "avoid": [
      "polyester",
      "high collar"
    ],
    "coat_budget_cny": [
      800,
      1500
    ],
    "catalogue": [
      {
        "id": "A",
        "price_cny": 1280,
        "fabric": "80% wool, 20% polyester",
        "shoulder_cm": 39
      },
      {
        "id": "B",
        "price_cny": 1300,
        "fabric": "100% wool",
        "shoulder_cm": 39
      }
    ],
    "brand_size_chart": null,
    "stock": null
  },
  "expected_output": {
    "candidates": [
      {
        "id": "A",
        "decision": "reject",
        "reason": "contains polyester"
      },
      {
        "id": "B",
        "decision": "provisional within supplied price and fabric constraints",
        "size": "not confirmed; brand size chart missing",
        "stock": "not confirmed"
      }
    ],
    "garments_invented": false,
    "purchase_made": false,
    "next_action": "human confirms hero piece and size before styling or purchase"
  },
  "mode": "synthetic_read_only_reference_not_model_execution"
}

运行成本与避坑指南

成本:作者自述投入了大量小时与token,未给具体用量、费用或各阶段分配。本站未测量建档或复用的成本,不能保证以后每次成本下降。

运行条件:受限于长上下文的维护与店铺目录的可访问性;跨平台比价与库存/价格实时性通常无法保证,价格与库存需以下单时页面为准。

避坑:最大的坑是档案建得潦草:只写「喜欢简约」而不写雷区,Agent 只能给通用答案,于是你会得出「这东西没用」的结论。第二大坑是不回写,每次都从零开始,投入永远无法沉淀。第三是尺码幻觉:Agent 说某品牌合身不等于真的合身,退换货成本要自己算进去。第四是预算上限被当成参考值,最后选出来一堆略超预算的「更值得」。

原作者自述:交易、收入及自动运行效果未经独立审计。

AgentFlow 的拆解与试用 Prompt 属于分析及推演,不保证收益或复刻效果。

原文与配图归原作者;完整内容请通过原帖链接查看。

本站未执行任何选品或搭配、未生成任何应用、未核验作者的 token 投入或购物结果。仅取得并核对了 X 原帖全文。流程、档案字段与提示词为 AgentFlow 依据公开贴文的推演与扩写,未经实测。