WearScore是一款面向移动端的AI服装质量评分工具，将iPhone变为“衣物质量指南针”。其核心理念是“在购买之前了解你所穿的”（Know What You Wear Before You Buy）。通过对真实服装的纤维成分进行数据化分析，WearScore为每件衣物生成A–F质量等级与0–100分制评分，帮助消费者从材质源头判断价值，而非仅凭品牌或外观决策。
应用围绕“扫描评分”与“AI造型”两大模块展开。用户可扫描任何衣物护理标签，借助Apple Vision框架与端侧OCR技术在设备本地读取纤维成分，数秒内返回透气性、起球风险、护理复杂度及预期穿着寿命等维度。同时，WearScore每周推出“The Outfit Feed”，由AI模特展示真实品牌、真实面料的精选造型，每套Look均附带平均等级、单品纤维构成与总价，并支持查看每件单品独立评分。内置纤维词典收录46种纤维（+10到−9），品牌目录追踪200+品牌，智能搜索支持按纤维类型、品类、性别与等级筛选服装数据库。
技术设计强调本地化与客观性。所有标签扫描均在iPhone端侧完成，基于Apple Vision的图像识别与on-device OCR，照片不会离开设备，也无广告、无追踪。评分算法仅依赖纤维成分数据，品牌方无法通过付费或合作影响分数，从机制上保证结果中性。其纤维评分体系基于真实世界测试数据，覆盖天然纤维（19种）、半合成纤维（9种）与合成纤维（18种），并提供从+10到−9的标准化排序。
WearScore适用于希望为每一次购买建立“材质知情权”的用户。无论是线下购物扫描标签、线上比对各品牌评分，还是系统化整理个人衣橱，它都能输出可比的、量化的质量信号。通过收藏穿搭、保存扫描记录、实时单品链接，用户得以规避低质面料溢价，构建耐穿且具长期价值的衣橱。其产品设计与“Yuka”类似，但面向衣物领域，为理性消费与可持续时尚提供数据基础设施。
