Documentation

AI Outfit Rules Expansion

Lộ trình nâng cấp từ Rule-based sang AI-Driven Learning

1. "Train" AI mà KHÔNG chạm vào LLM

Thay vì tốn kém Fine-tune model LLM, tách bạch NÃO (Rules) khỏi MIỆNG (LLM). Data Team chạy thuật toán phân tích giỏ hàng (Market Basket Analysis) và đổ thẳng Rule mới vào SQLite.

Transaction Data
User mua: Áo Polo + Quần Khaki
→
SQLite (ai_outfit_rules)
INSERT INTO rules
→
AI Stylist Bot
"Phối với Quần Khaki!"

Database Schema: ai_outfit_rules

10 cột tối ưu, giúp AI đọc phát hiểu ngay, query phát ra luôn combo chuẩn đét.

Tên Cột Kiểu Giải Thích & Ví Dụ
idINTEGERKhóa chính tự tăng
genderTEXTwomen, men, kid, unisex
age_groupTEXTadult, kid, baby
occasionTEXTdi_lam, di_choi, the_thao, mac_nha
user_segmentTEXTbasic, streetwear, all
anchor_categoryTEXTÁo Polo, Áo kiểu
match_roleTEXTbottom, outer, set, accessories
match_categoryTEXTQuần Khaki, Blazer
scoreINTEGERĐộ phù hợp (tự động cập nhật)
is_activeINTEGER1 = dùng, 0 = tạm tắt

Sample Rules Data

Ví dụ về các bộ Rules "cứng" được nạp sẵn vào hệ thống.

ID Gender Occasion Segment Anchor Role Match
1womendi_lamallÁo kiểubottomChân váy
2womendi_lamallÁo kiểubottomQuần dài
5womendi_lamallÁo Sơ mibottomQuần Khaki
8womendi_lamallÁo Sơ miouterBlazer
11womendi_choiallÁo phôngbottomQuần jean

2. Cá nhân hóa theo Segment / Sở thích

Mở rộng bảng Rules với cột user_segment. AI tự động nương theo sở thích của khách để mix đồ.

Áo Sơ mi + Basic
→ Quần Tây Đen
"Lịch sự, tối giản..."
Áo Sơ mi + Streetwear
→ Quần Cargo
"Năng động, phá cách..."

3. Vòng lặp Học hỏi (Feedback Loop)

Bảng Rules tự động chấm điểm (Score) dựa trên phản hồi thật. Rule nào tốt thì giữ, rule nào bị chê thì loại bỏ.

👍
Khách Click/Mua
score = score + 1
👎
Khách Phê
score = score - 5
🤖
Auto Pruning
DELETE WHERE score < 0