合身决策 · 核心引擎
合身决策引擎
把「量体 → 建人体 → 荐码」这条链跑通，并做成可嵌入的能力。参数驱动、可嵌入、分阶段迭代——每期以「可演示、可验收」为界。
它解决什么问题
同一个「L」，不是同一件衣服。尺码不是「尺码表」问题，是没有可计算的人体口径。
女装平均退货率：2019 年 30% → 2025 年 65%–80%。结果：消费者反复试错，商家反复贴运费。公开报道口径：36氪研究院 / 人民日报海外版 / 网经社。
现有方案够不着
好看与合身是两件事，行业一直缺后者。
隐私门槛高
多依赖照片 / 视频扫描，用户不愿配合。
做的是「好看试穿」
画质竞赛，不是合身决策。
安踏「灵犀」
试运行期退换货率同比下降超 10%。但这类能力锁在大厂内部，不对外输出，中小商家接不进。
公式误差大于码间距
商家只能退回身高体重公式猜码。公式误差 ±3–5 厘米，而成衣相邻码差只有 2–4 厘米。
它怎么做：一期引擎内核
把「量体 → 建人体 → 荐码」这条链跑通，并做成可嵌入的能力。
可版本管理
CRUD、校验、版本管理；模板库可导入。
标准体型 + 个体
标准体型库管理 + 个体模型存取。
参数 / 测量 → 参数化模型
以尺寸参数与号型先验为输入，无照片路径已落地。
结果 + 可解释原因
模型 + 尺码 / 版型库 → 推荐结果 + 可解释原因。
商家控制台 + 小程序 Widget
走完量体 → 荐码。
验收判据：契约与淘宝 / 计费字段零耦合；女裤荐码可演示、可复现、带解释字段；三维作为引擎模块可被独立调用（无照片路径已落地）。
号型匹配与合体鉴定
没有合适的码就说不合适，不硬荐。
按国标号型归档
男女标准体在线可查。
四档结论
推荐 / 临界 / 拒绝 / 降级。
是否一致看得见
规则引擎并行出二次意见。
逐条回溯到依据
结论与建议可逐条回溯到依据。
不做什么
度裁是中立的第三方。边界写清楚，合作方一眼看清我们和谁不是一路人。
不做自有服装销售
不与品牌、门店、渠道争货盘。能力输出后，客户与渠道仍归商家自己。
不做「好看试穿」的画质竞赛
只判「穿不穿得下」。好看与合身是两件事。
一期不采集用户照片
仅尺寸参数，规避隐私合规风险。
不建封闭生态
能力以组件 / SDK 嵌入商家既有小程序。
MVP：线下量体 → 参数化三维人体 → 合体鉴定。从河南产业带试点，验证付费后全国拓展。
现在做到哪一步
不把规划讲成现状，不报无法验收的进度。
FIT-1 合身决策引擎
女裤荐码已跑通。规则引擎可独立成链，不依赖三维。
合体鉴定 MVP
BEDLAM 训练 · 真人金标采集 · 商家试点；三维云 API、版型资料与合体校验已打通。
多店试点
多店试点未启动，商业化未跑通；以试点数据为扩张闸门。
一期进度：48 项完成 60%（内核 50% / 集成 80% / 商业 100%）。三期总述：一期已可演示、二期口径已定、三期已启动合作。
口径：三维库「已建成」＝模型已生成且库内闭环通过，不等于真人精度验收；真人金标 ≥50 人采集中，通过前不公布精度数字。