把穿搭镜装进眼镜：用 AIUI 为 Rokid Glasses 打造会说话的「镜感 VIBE」

把穿搭分析放进 AR 眼镜，难点并不只是让模型看懂一张照片，还要处理语音唤起、相机权限、小屏展示、结构化结果和稳定评分。这个项目以 Rokid Glasses 为运行设备，借助 AIUI 组织智能体逻辑与沉浸式交互，并把容易漂移的模型判断约束成可解析、可测试的业务流程。

出门前最后一分钟，你对镜子犹豫了三分钟。今天这件行不行？什么风格？要不要加个配饰？过去你只能凭感觉出门，或者拍给朋友等一个不一定及时的回复。现在你戴上 Rokid Glasses，说一句"打开镜感"——三秒后眼镜告诉你：综合 86，元气值 88，穿搭值 84，今日气场动物是"元气柴犬"，外加一条"袖口卷起会更有型"的具体建议。 这面"镜子"是一个跑在 Rokid Glasses 上的 AIUI 沉浸式智能体。这篇文章记录它从灵感、原理到实现与验证的全过程——不贴整段源码，但会把关键的设计思路和踩过的坑说清楚。先上结论，方便你判断要不要读下去：

• 全程没有申请任何第三方 API Key、没有搭后端，整个应用没有任何第三方运行时依赖；
• 应用本体很轻：一份 AGENTS.md（智能体声明）、一个 .ink 沉浸式页面、一个独立的分析模块；
• 图像理解用 AIUI 宿主内置的 LanguageModel，分数由本地确定性规则计算——同一张照片今天打 86 分，明天还是 86 分。

一、到底什么是 AIUI

做这个项目之前，我对 AR 眼镜应用开发的印象还停留在"把手机 App 塞进小屏幕"，光想想就劝退。读完 AIUI 的文档后我发现，它的出发点是另一条路。

AIUI（Artificial Intelligence User Interface）是一个面向 AI + AR 场景的 AI 原生 GUI 本地智能体框架。 它不是把网页搬上眼镜，而是把 AI 能力、交互界面、智能体逻辑和设备能力打包成一个整体。开发者要解决的是三件事：应用怎么听懂人话、怎么操作设备、怎么把结果反馈给人。围绕这三件事，它有四个很聪明的设计。

1. AGENTS.md：用一份 Markdown 定义整个智能体（意图即入口）

AIUI 项目的入口不是入口函数，而是一份 AGENTS.md。你用自然语言写清楚：Agent 叫什么、在什么意图下调起、有哪些行为边界、需要哪些权限。宿主模型会根据 ## Description 的描述，把用户的口语化表达路由到对应 Agent——"帮我看看今天的穿搭"这种话能被接住，靠的就是这一层。意图分发由框架接管，开发者不用自己接 ASR，也不用训练意图分类模型。

2. .ink 单文件组件：写起来像小程序

页面用 .ink 单文件组件开发，