爱丽丝最早从真人穿搭示范做起。那时候页面里摆的是通勤衬衫、居家套装、日常休闲这几类真实穿着场景，没有夸张的造型，只有上身效果、面料细节和“这件为什么适合今天”的说明。很多用户说，看完不是想立刻下单，而是先打开自己的衣柜比划一下——这正是爱丽丝想留下的习惯。
2023年起，爱丽丝把“比划”这件事搬进了虚拟衣橱。用户可以录入自己常穿单品的颜色、版型与材质，系统会按身形比例和场合偏好给出组合建议。2026年，AI试衣模块接入了更细的肩宽、腰位与下摆垂感参数，推荐不再停留在“什么流行”，而是落到“你衣柜里哪两件放在一起不会打架”。
2026年的爱丽丝在做一件很具体的事：让真人示范负责可信，让AI试衣负责可试。你可以在通勤衣橱里看真实职业女性的日常搭配，也可以在AI试衣间里用相近身形参数试一遍粉色衬衫的深浅。品牌不追求让人“变成另一个人”，只帮人把已有的衣服穿得更像自己。
低饱和粉衬衫配米白直筒裤，乐福鞋压住甜感，整个人利落但不硬。
奶油色细针织配同色系阔腿裤，面料有垂感但不贴肉，居家办公都撑得住。
同一条直筒裤在三种胯宽参数下的落点差异，九分长度对小个子更友好。
薄牛仔衬衫当外套，内搭白T，下摆只塞前半截，比例和松弛感都在线。
黑灰西装里换成圆领薄针织，领口留白配细项链，比衬衫少一分拘束。
同一件粉衬衫在暖调与冷调肤色上的显色差异，灰粉比亮粉更不挑人。
棉麻混纺的轻薄套装，洗后微皱反而是质感，配一双软底凉拖就能下楼取快递。
155cm真人示范长风衣的两种穿法，腰带位置和袖长对整体比例的影响很直观。
更多人开始把“穿着不费力”作为第一标准，柔软针织、松量裤装和一脚蹬鞋款的组合明显增加。
爱丽丝上线肩斜角度参数后，衬衫和西装类单品的试衣反馈准确度有了可感知的提升。
用户不再只问“好不好看”，而是问“一周能穿几次”，耐穿单品的内容收藏率更高。
针织套装和软壳裤同时出现在居家与短途出行的搭配里，面料垂感成为跨场景的关键。
灰粉、豆沙粉在AI试衣中的点击高于亮粉，肤色适配度是主要原因。
真人示范模块里，155cm—160cm身高的长风衣实拍内容停留时长本周最高。
穿搭内容最容易滑向两个极端：一边是修图之后的“完美上身”，一边是参数堆砌的“技术建议”。爱丽丝2026年的尝试，是把两端各自有用的部分截下来，拼成一条更短的选择路径。真人示范负责提供可信的落点——身高、身形、场景都是真实的，衣服在自然光下的褶皱和颜色也是真实的。AI试衣负责提供可重复的对照——同一件单品在相近身形参数上换一个颜色、改一截裤长，不需要重新拍一遍。
真正让AI试衣变得有用的，不是生成一张好看的效果图，而是把“合不合身”拆成几个可以被单独讨论的变量。肩线落在哪里，腰位是在自然腰还是低腰，下摆结束在大腿的哪个位置，袖长有没有盖住虎口。爱丽丝把这几项做成可调参数之后，用户不再需要判断“这件整体好不好”，而是能直接看到“把肩宽调窄两厘米，感觉就对了”。这种颗粒度，比笼统的风格标签更接近真实试衣间里的动作。
虚拟衣橱的价值也在这里被重新定义。它不是把衣服拍成照片存进手机，而是把颜色、材质、版型和穿着频率整理成可以参与搭配的数据。当用户录入的常穿单品足够具体，AI给出的组合就不再是凭空推荐，而是从“你已经有白色直筒裤和灰粉色针织”出发，补一件短外套或换一双鞋。搭配的门槛因此从“买什么”前移到“先看清自己有什么”，这对重复穿着率和购买决策都有直接影响。
真人示范模块在2026年也做了方向上的调整。页面不再把“博主同款”放在最显眼的位置，而是按场景和身形类型重新组织内容。用户可以先选“通勤—梨形—155cm”，再看对应实拍，而不是先看到一个风格标签再猜测自己能不能穿。这种检索顺序看起来只是导航层的变化，实际上把搭配从“追风格”拉回到了“解决具体场景里的具体问题”。
面料知识之所以被放进搭配路径，是因为很多试衣环节的挫败感其实来自对材质的误判。同一版型的直筒裤，棉质和羊毛混纺的垂感完全不同，走路时的动态效果也不一样。AI试衣目前还无法完全模拟面料在运动中的表现，但爱丽丝在试衣结果旁边加入了材质提示，让用户知道“这个颜色在棉质上是哑光的，在缎面上会反光”，从而把选择从颜色层面延伸到质感层面。
最终，爱丽丝想做的不是替用户决定穿什么，而是让每一次搭配尝试都多一个可验证的参照。真人示范告诉你“有人这样穿过，效果是这样”，AI试衣告诉你“换成你的参数，大概会是这样”。两条信息放在一起，用户依然保留最后的判断权，但做判断时手里的依据更具体了。这也许就是2026年穿搭工具最务实的方向：不制造新的焦虑，只减少已有的犹豫。
试衣、示范、衣橱、问答分栏明确，不混在一起。
按身形、场景、单品类型快速缩小范围。
手机上试衣和看示范都不需要反复缩放。
喜欢的搭配方案和参数可以一起存下来。
从一套搭配能继续看面料和相近身形案例。
衬衫、裤装和裙装类目现在可以调节面料垂感，试衣结果更接近不同材质的真实下落状态。
用户可以按类别一次性添加多件单品，系统会自动按颜色和版型做初步归类。
五套通勤搭配全部来自真人示范与AI试衣对照，覆盖会议、见客户和日常办公场景。
155cm—162cm区间的肩宽、腰位和裤长预设做了细化，减少手动调整的次数。
起球、缩水、透光和静电四类高频材质问题可以直接筛选对应问答。
针织套装、摇粒绒和棉麻混纺的实拍与试衣对照内容已上线。
在同一身高和身形标签下可以连续浏览多位示范者的搭配，减少来回跳转。
AI在推荐时会优先调用用户已标记“常穿”的单品，闲置单品的出现频率降低。
针对2026年秋冬低饱和趋势，试衣色板补充了更多带灰调的粉色选项。
在手机上调整参数后结果刷新更快，返回筛选页时保留上一次的参数记录。
高频问题集中在胯宽裤型、小个子风衣和通勤衬衫透光三件事上。
从近期真人示范和试衣数据来看，通勤场景的搭配正在从“修身利落”转向“有松量的利落”。肩线不再一味追求贴合，裤装腰位和下摆的垂感被更多用户纳入试衣调整范围。可重复穿着率成为收藏和回访的重要指标，那些能在一周内组合出三套以上不同搭配的单品，留存数据明显更好。
同样标注纯棉，平纹和斜纹的透光表现差异明显。试衣结果旁边加入材质提示后，这一项的查看率很高。
灰调降低了颜色与肤色的对比强度，对暖调和冷调肤色的包容度都更高，试衣完成率也更高。
真人示范显示，腰带系在自然腰上方两到三厘米，比单纯缩短衣长更能改善上下身比例。
短纤维羊毛和低捻度纱线更容易起球，但手感更软。面料讲堂建议按穿着场景在两者之间做取舍。
肩斜角度直接影响衬衫和西装的领口空量，参数细化后，上半身试衣的贴合感反馈提升明显。
九分长度配浅口鞋对多数梨形身形更友好，盖住脚踝的直筒裤则更依赖鞋底的厚度来平衡量感。
虚拟衣橱比我预想的好用。把常穿的几件录进去之后，AI推的组合确实会绕开我根本不穿的亮色，这点很省心。
AI试衣的肩宽参数救了我。以前买衬衫总是不服帖，调窄两厘米之后终于知道问题出在肩线不是胸围。
真人示范里的同身形对照很实用，155cm能看到155cm的实拍，不用再对着高个博主想象效果。
通勤衣橱里几套搭配的重复穿着率很高，照着穿了两周，早上选衣服的时间少了不止一半。
面料讲堂帮我避开了透光衬衫的坑。以前只看颜色，现在会先扫一眼织法说明。
居家质感那组针织套装的内容很舒服，没有硬凹造型，就是正常在家里走动的样子。
移动端试衣的滑杆比电脑上还顺手，等车的时候调了两版参数，回家直接存了方案。
灰粉色试衣和实物色差很小，页面标的材质提示也准，棉质确实是哑光的。
搭配问答不绕弯子，问胯宽直筒裤直接给裤长和鞋型建议，没有先铺垫一大堆理论。
衣橱批量录入省了很多时间，一次把针织和衬衫全加进去，自动分类基本没错。
小个子长风衣的示范很实在，腰带位置换了之后比例确实不一样，不用非得买短款。
相关资讯里的裤长落点那篇很干，没有图片堆砌，但把九分和盖脚踝的差别讲清楚了。