v0.1 draft · standard aperto · un progetto personale di antferr
Ogni servizio di size recommendation funziona — e tiene il tuo profilo prigioniero. Agio Fit è il contrario: un modello dati aperto in cui le misure vivono in un vault che scegli tu, e ai negozi esce solo la taglia.
Il problema
Una quota rilevante dei resi nel fashion online dipende dalla taglia. La risposta del mercato è il bracketing: ordini tre taglie, ne tieni una, ne rispedisci due.
La size recommendation funziona — ma in ogni implementazione esistente il profilo appartiene al fornitore o al retailer. Lo ricostruisci, implicitamente, in ogni negozio in cui entri.
I protocolli del commercio agentico stanno standardizzando catalogo, checkout e interfacce — ma non la vestibilità. L'assistente che comprerà vestiti per te oggi indovinerebbe la taglia dal nulla.
Cosa è
Il primo lo possiedi tu. Il secondo lo pubblica chi vende. Il terzo è l'unica cosa che viaggia tra i due — con la confidenza esposta e le ragioni per zona, mai una taglia calata dall'alto.
— tuo
Misure corporee con fonte e incertezza dichiarate, preferenze di vestibilità e lo storico di come i capi passati ti sono andati davvero.
schemas/v0.1/fit-profile.schema.json— di chi vende
Come il capo è tagliato, non come il brand chiama la taglia: misure del capo finito per taglia, agio previsto, elasticità, provenienza del dato.
schemas/v0.1/cut-profile.schema.json— ciò che viaggia
Una taglia, le alternative, il ragionamento zona per zona e una confidenza onesta — decomposta, cappata quando i dati sono pochi, mai millantata.
schemas/v0.1/match-report.schema.jsonScenari
Il camerino in tasca: sull'etichetta un QR code punta al Cut Profile. Lo inquadri e il confronto avviene sul tuo telefono — sai se ti veste prima di provarlo, e al negozio non esce nulla. Nemmeno la taglia.
Lo stesso gesto dove il camerino non esiste: sull'ecommerce il capo non si può provare, ma il suo taglio è pubblicato e il tuo profilo risponde — con la confidenza esposta e le ragioni per zona, non con una promessa.
Due capi che pubblicano il taglio si confrontano tra loro: un retailer può dirti che questa giacca è tagliata come quella che hai tenuto. Un confronto capo-contro-capo, che non tocca mai le tue misure.
Privacy by design
Nello scenario in negozio non esce niente: il calcolo avviene interamente dal tuo lato. Quando invece serve che qualcosa esca — un ecommerce, un reso, il tuo sarto — la risposta è graduata: dal profilo completo fino a una taglia e nient'altro.
La perdita aritmetica è il perché dei livelli bassi: pubblicare insieme l'agio in centimetri e le misure del capo rivelerebbe le misure del corpo per sottrazione. Sotto scoped, i valori di agio vengono rimossi alla serializzazione. , ease values are stripped at serialisation. , les valeurs d'aisance sont retirées à la sérialisation.
Perimetro
Non un fornitore di size recommendation. L'argomento è proprietà e portabilità; diventare un altro silo lo distruggerebbe.
Non un sistema di identità. Il profilo vive in un vault scelto dalla persona; autenticazione e custodia sono rimandate ai wallet esistenti.
Non una tecnologia di scansione. Il modello accetta misure da qualunque fonte — e ne dichiara la qualità invece di fingerla uniforme.
Non un aggregatore di tabelle taglie. Le tabelle dicono come un brand chiama una taglia, non come il capo è tagliato.
Non un protocollo. È un modello dati: funziona su una normale API HTTP, e l'algoritmo non è normativo — normativa è la forma della risposta.
Stato
v0.1 draft Niente è stabile prima della 1.0. Ma un impegno c'è già: gli identificatori degli schemi restano risolvibili, e le rotture incrementano la versione invece di mutare uno schema pubblicato.
Specifica in CC BY 4.0, implementazione di riferimento in Apache 2.0 — zero dipendenze a runtime, così l'invariante di privacy si verifica leggendo il codice in un pomeriggio. Il contributo più prezioso? Un corpo e un capo su cui la raccomandazione è palesemente sbagliata, sotto forma di test che fallisce.