场景是「你要去哪里」。它决定一套搭配的硬边界：活动量、正式度、天气适配。出厂阶段每个商品至少归属 1 个主场景，最多 3 个。
出厂阶段怎么定义？
商品资料进入平台时，先由运营配置「场景种子包」，再由多模态模型读取商品图与详情，生成场景候选；最后人工抽检、商家确认。不是上线后靠运营补标签，而是把标签做成商品数据的一部分。
责任方：商品运营定义种子包与优先级；算法提供候选标签与置信度；品控抽检低置信度与高风险类目；商家确认并申诉；标签版本由产品负责人发布。
情绪是「你想成为谁」。它不改变能不能去，而是决定同一场景下哪一套更贴近你：廓形、材质、颜色和露肤度都是情绪的表达。
情绪标签不是心理测试
它是一套可运营的视觉语言：每种情绪对应 3–5 个可量化的服装特征（肩线、松量、色彩饱和度、材质光泽、露肤比例）。这样 AI 才能把「松弛」翻译成具体的商品组合，而不是一句文案。
场景是准入条件，情绪是排序权重。下面的矩阵基于当前 mock 商品与搭配数据计算「组合稳定度」，点击任意格子查看示例。
颜色越深，代表该场景下适合此情绪的单品与搭配越充分 · 点击查看
场景决定「能不能穿」
面试不会推荐露营冲锋衣，哪怕它很好看。场景匹配是硬门槛，先过滤掉不适配的商品。
情绪决定「更像谁」
同样去面试，自信选利落肩线与深色，紧张选柔软针织与低饱和。情绪负责在同一场景里做软排序。
一套搭配只讲一个故事
整套搭配的标签要收敛：一个主场景 + 一个主情绪 + 一个风格关键词。单品可以多标签，成套后必须统一。
UGC 是校验，不是答案
真实用户的点赞、收藏与「求同款」会反向校准情绪权重，但不会单独决定推荐结果。库存和价格只做业务约束。
业务分 = 库存 × 时效 × 价格带（仅做兜底过滤，不参与审美排序）
标签上限与优先级
单个商品：场景 1–3 个、情绪 1–4 个；场景分主/次，情绪分主/次。用户明确选择优先于场景默认，场景硬过滤优先于情绪排序。冲突时保留证据最强的标签，低置信度标签不直接参与推荐。
商品入库
商品图文、价格、库存、材质进入商品库，保留颜色 / 材质等传统属性。
AI 抓取与结构化
多模态模型识别版型、颜色、场景线索；接入现有商品抓取与标签优化能力。
场景 / 情绪打标
生成候选标签，附带置信度；低置信度进入人工抽检队列。
标签向量与检索
标签转成可检索向量，支撑「面试 自信」这样的组合查询，而不是关键词硬匹配。
搭配生成与解释
按品类补全整套，生成可解释的推荐理由，并允许用户替换任意单品。
受众是第三个独立标签：women / men / unisex。它只决定「给谁看」的过滤范围，不参与情绪打分；场景与情绪也不能反过来推断受众。
受众 = 过滤条件（women / men / unisex） · 不进入审美分
偏好=女：women + unisex；偏好=男：men + unisex；不限：全部混排并标注
由用户显式选择
首次进入可跳过的偏好选择；「我的」随时修改。不得根据场景、情绪或浏览记录推断性别。
unisex 始终可用
中性单品与整套同时出现在女/男偏好中；换单品候选同样遵守受众，不把男装换进女装搭配。
「不限」必须混排且标注
不限不是「默认女」：结果混排 women / men / unisex，每张搭配卡与单品都显示受众；文案不把性别当作行为规范，不使用命令式性别断言。
反刻板准则
场景、情绪、职业、年龄不得与性别绑定；剪辑与文案避免把「温柔」默认给女生、把「硬朗」默认给男生。受众是展示过滤，不是身份判断；「不限」是真实默认，不是占位。
标签与商品的对应关系落在商品表上：一个商品有多个场景和情绪标签，每条搭配再从商品池里选品。下表是 mock 数据中的真实映射示例。
| 商品 | 场景 / 情绪 | 价格 |
|---|
搭配表：id · 场景 · 主情绪 · 单品[槽位 → 商品] · 理由 · UGC 参考