那件衣服 到底穿够本了吗？ Wove 帮你算清楚
Wove 给衣橱里每件衣服一个实时 cost-per-wear（购入价 ÷ 穿着次数）。穿一次，单价就降一次；AI 只从你真正拥有的衣物搭配「今天穿什么」；想买新衣服时先问 Wove——它拿你的衣橱比对，告诉你「你已经有了」。少买、多穿、穿得值。
iOS 17+ · 中英文 · 首次免费试用 Pro
现已上线的能力
围绕「把衣橱用好」的 7 个能力，从入库到决策一条线
Cost-Per-Wear 账本
每件衣服角标实时显示成本 / 穿着次数。穿一次单价就降，给你即时的「已穿够本」正反馈。
AI 智能入库
拍照或选相册，AI 视觉自动识别品类、主色、风格、季节并建档，落库前你可逐字段修正。
只用你衣橱的 AI 穿搭
说一句场景（「上班有点冷」「周末约会」），AI 只从你真正拥有的衣物组出 2-3 套——绝不编造你没有的衣服。
买之前问 Wove
考虑买新衣服？输入价格 + 拍照，AI 比对衣橱里的相似单品，告诉你「你已有 3 件类似的 / 需穿 N 次才回本」。
衣橱 ROI 仪表盘
总投入 vs 已摊销价值、利用率、沉睡资产清单（30/60/90 天未穿）、最划算与最浪费的单品一目了然。
穿搭历史与日历
收藏喜欢的搭配，按日历记录「今天穿了什么」；发现某件 3 周没碰，主动安排它出场。
提醒 + 一键导出
可选「今天穿什么」与沉睡资产提醒，把闲置衣物拉回循环；随时把全部衣物图 + CSV 导出，数据带得走。
不是衣物相册，是穿衣账本
市面上的衣橱 App 多是录入 + 浏览 + 社交。Wove 把 cost-per-wear 做成首屏一等元素：那件 ¥120 外套显示「$60/次 · 只穿过 2 次」，你一眼就知道值不值，下次想买类似的会自然冷静下来。
买之前先比对你的衣橱
想买一件 $90 新衬衫？拍下来问 Wove。它从你真实拥有的衣物里找相似单品，给出「你已有 3 件相似」「这件需穿 18 次才低于你衣橱均价」的测算——把「少买多穿」从口号变成购买当下可执行的提示。
你的穿着数据越用越值
照片随时可导出带走，但逐日的穿着行为账本——每件的穿着曲线、利用率、搭配偏好——是别处重建不了的。用得越久，Wove 越懂你的衣橱、越省你的钱。
三步，从买回家到穿够本
把衣橱用好，其实只要这三步
入库
拍照让 AI 识别建档，或手动填几个字段。每件都带购入价，作为 cost-per-wear 的分子。
穿 + 记一次
AI 从你已有衣物给搭配，选一套点「我穿了这套」——这几件的穿着次数 +1，单价随之下降。
看清 + 决策
ROI 仪表盘告诉你什么穿够本了、什么在沉睡；想买新衣服先问 Wove 该不该买。
正在路上
下面这些功能在规划中，Pro 用户优先体验
胶囊衣橱构建器
用最少的单品组出最多搭配，生成属于你的极简穿搭方案。
购物心愿单 ROI
想买的先放进心愿单，提前估算它的预期 cost-per-wear，冲动消费前先看数字。
天气联动穿搭
接入当地天气，给出更贴合当日气温的搭配建议。
我们刻意不做社交 feed 与二手转售——Wove 专注帮你「用好自己已有的衣橱」，不制造比较焦虑。
简单直白的定价
订阅由 App Store 处理、随时取消，具体价格以 App 内 App Store 实时显示为准。
免费版
完整的穿衣账本基础
- 衣橱最多 20 件
- 每月 10 次 AI（识别 / 搭配 / 购买决策合计）
- 每件 cost-per-wear 角标
- 手动入库、穿着记录、穿搭历史
- 中英文界面
Wove Pro · 月度
解锁无限衣橱与全部 AI
- 无限件衣物
- 无限 AI 识别、搭配与购买决策
- 完整衣橱 ROI 仪表盘
- 衣橱数据导出（图 + CSV）
- 邮件优先支持
首次订阅可享 7 天免费试用，试用期内随时取消不扣费。
在 App 内开始Wove Pro · 年度
长期用最划算
- 月度版全部权益
- 相比按月订阅最高省 58%
- 无限件衣物 + 无限 AI
- 完整 ROI 仪表盘 + 数据导出
- 新功能优先体验
常见问题
1. cost-per-wear 是怎么算的？
cost-per-wear = 该衣物的购入价 ÷ 它的穿着次数。每次你点「我穿了这套」，相关单品穿着次数 +1，cost-per-wear 随之下降。还没穿过的衣物显示「未穿过」，不计算单价。
2. AI 免费额度是怎么算的？
AI 识别入库、AI 搭配、「买之前问 Wove」三类 AI 能力共享同一份每月 10 次免费额度，自然月重置。升级 Wove Pro 后这三类 AI 均无限使用。
3. AI 会拿我的照片去训练或留存吗？
不会。使用 AI 功能时，相关照片或单品信息会发送给第三方 AI 服务商「仅为本次请求处理」，AI 服务商不会留存你的图片，也绝不用于训练任何模型。详见隐私政策。