作品集策略
核心原则
你的 GitHub 不是一个存放半成品项目的墓地。它是一场精心策划的展览。每一个置顶的仓库都应该回答招聘经理对你的一个问题——而每一个答案都应该让他们迫不及待地想安排面试。
平庸与出众之间的区别
平庸的作品集 出众的作品集
───────────────── ────────────────────
30 个仓库,大多是 forks 5 个仓库,全是原创作品
没有 README 每个 README 都在讲述一个故事
没有线上演示 每个项目都已部署
克隆的随机教程 清晰的主题和进展
最后提交:8 个月前 持续且近期的活跃
仓库没有描述 每个仓库都有一句话简介
"my-first-react-app" "AI-powered code review tool"
区别不在于天赋,而在于策划。最好的作品集看起来像是出自一个有规划的人之手,而不是一个什么都往上提交的人。
质量胜于数量
三到五个精良项目,胜过三十个废弃仓库。每次都是如此。
关键数据
| 仓库数 | README 数 | 已部署 | 招聘经理的想法 |
|---|---|---|---|
| 30 | 2 | 0 | "开了很多头,但都没完成" |
| 15 | 5 | 1 | "涉猎广泛,但搞不清擅长什么" |
| 5 | 5 | 4 | "专注,能交付,精通自己的手艺" |
| 3 | 3 | 3 | "他经手的每个项目都很精良" |
清理规则
在添加任何新东西之前,先审计已有的内容:
1. 归档或设为私有那些未完成且无法挽救的项目。
2. 删除你从未修改过的 fork 仓库。
3. 为你保留公开的所有内容添加 README。
4. 为每个可见的仓库设置描述。
5. 剩下的才应该是值得展示的。
如果你不会把它放在简历上,那它也不应该出现在你的公开 GitHub 上。
在你的仓库之间讲述一个故事
你的置顶仓库不是随机样本。它们是章节。将它们排列好,让访问者看到一个叙事。
行之有效的故事结构
专家路线:
"我深耕 AI/ML 领域,并且我能证明这一点。"
仓库 1:为特定领域任务微调的 LLM
仓库 2:带有评估框架的 RAG 管道
仓库 3:使用工具的主体性工作流
仓库 4:为 LangChain/LlamaIndex 做的开源贡献
全栈构建者路线:
"我构建从数据库到部署的完整产品。"
仓库 1:全栈 SaaS 应用(Next.js + API + 数据库 + 认证)
仓库 2:AI 驱动的 CLI 工具(展示后端/系统功底)
仓库 3:开源库(展示 API 设计思维)
仓库 4:个人自动化工具(展示你也为自己而构建)
AI 原生开发者路线:
"我不只是使用 AI——我用 AI 构建,也为 AI 构建。"
仓库 1:主体性工作流 / 多智能体系统
仓库 2:在生产级应用中的 LLM 集成
仓库 3:利用 AI 的开发者工具(linter, reviewer, generator)
仓库 4:对 AI 框架或工具链的贡献
进步信号
招聘经理会注意到你的仓库所展示的成长:
| 信号 | 它展示了什么 |
|---|---|
| 早期仓库:简单的 CRUD 应用 | 你从某个地方开始了 |
| 中期仓库:带有测试和 CI 的 API | 你学习了工程实践 |
| 近期仓库:带有评估的 AI Agent | 你正在前沿领域构建 |
| 对主要 OSS 项目的贡献 | 你可以在大型代码库中协作 |
置顶什么以及为什么
你有六个置顶仓库。需策略性地使用它们。
理想的置顶布局
| 位置 | 置顶内容 | 原因 |
|---|---|---|
| 1 | 全栈项目 | 证明你能构建一个完整的产品 |
| 2 | AI/ML 项目 | 展示你在前沿领域工作 |
| 3 | 开源贡献 | 证明你能够在真实代码库中协作 |
| 4 | 开发者工具或 CLI | 展示你解决自己的问题 |
| 5 | 领域项目(你的专长) | 为你目标岗位提供深度信号 |
| 6 | 外卡——个人或创意项目 | 展示个性和真正的好奇心 |
置顶规则
应该置顶:
- 带有线上演示或部署链接的项目
- 拥有详尽 README 和截图的仓库
- 与你所申请岗位匹配的工作
- 你最近、最精炼的工作
不应该置顶:
- 你未进行有意义修改的 fork 仓库
- 教程跟随项目(即使已完成)
- 没有 README 的仓库
- 任何你在面试中无法解释的内容
README 作为你的作品集提案
每个置顶的仓库都需要一个能在 30 秒内打动人的 README。招聘经理花在决定是否继续阅读上的时间只会更少。
作品集仓库的 README 结构
# 项目名称
一句话描述它做什么以及为什么重要。
## 演示
[演示链接] | [视频演示链接]
展示应用运行的截图或 GIF。
## 问题
它解决了什么问题?谁有这个问题?
## 工作原理
架构概览。关键的技术决策。
如果系统有多个组件,请使用图表。
## 技术栈
列出所用技术——但只列那些有意义的。
不要列出 HTML/CSS。一定要列出你的 AI 集成、数据库、部署目标。
## 关键特性
- 特性 1 — 为什么它在技术上很有趣
- 特性 2 — 构建它的难点是什么
- 特性 3 — 你下一步会改进什么
## 快速开始
清晰的设置说明。其他人应该能在 5 分钟内运行起来。
## 所学所得
简要反思最困难的技术挑战以及你是如何解决的。
README 反模式
| 糟糕的 README | 更好的 README |
|---|---|
| "一个 React 应用" | "AI 驱动的会议摘要工具,将录音转化为行动计划" |
| 没有截图 | 在页面顶部放置主题截图或 GIF |
| 设置:"克隆并运行" | 设置:分步进行并列出前置条件 |
| 没有架构说明 | 显示组件连接方式的系统图 |
| 列出所有 npm 包 | 突出 3-4 个关键的技术 |
线上演示和部署链接
代码是一个假设。一个已部署的应用是证明。
为什么部署很重要
招聘经理看到没有演示的仓库:
"代码看起来有趣……但它真的能工作吗?"
招聘经理看到带有在线链接的仓库:
"让我试试。" → 2 分钟后 → "这个人能交付。"
按项目类型的部署选项
| 项目类型 | 免费部署服务 | 适用场景 |
|---|---|---|
| 全栈 Web 应用 | Vercel, Railway, Fly.io | 有生产环境感的应用 |
| API / 后端 | Railway, Render | 展示后端技能 |
| 静态站点 / 文档 | GitHub Pages, Netlify | 文档、落地页 |
| AI/ML 演示 | Hugging Face Spaces, Streamlit Cloud | 模型演示、数据应用 |
| CLI 工具 | npm publish, Homebrew tap | 分发信号 |
如果无法部署,录制演示视频
并非所有东西都能在云端运行。对于仅限本地的工具、CLI 应用或复杂系统:
1. 录制一个 60-90 秒的视频演示。
2. 上传到 YouTube(不公开也可以)。
3. 制作一个关键交互的 GIF。
4. 将两者都放在 README 中。
视频演示比没有演示好十倍。
贡献图
一致性传递的信号
招聘经理会瞥一眼你的贡献图。以下是他们实际解读的内容:
| 模式 | 解读 |
|---|---|
| 大多数日子都有稳定的绿色 | "这个人经常编码。好习惯。" |
| 围绕项目聚集 | "以集中冲刺的方式工作。正常。" |
| 仅在工作日有绿色 | "有全职工作,但仍在进行个人项目。" |
| 自有仓库和贡献混合 | "有协作精神。不仅仅是个人项目。" |
刷图的表现
有经验的审阅者可以立即发现这些:
红旗:
- 完美均匀的绿色(每天相同,强度相同)
- 提交只包含 README 编辑或空格更改
- 一天内对空仓库进行 500 次提交
- 一周内创建数十个仓库,全部只有一次提交
- 自动生成的提交机器人
刷图比有空白期更糟糕。它意味着绝望和判断力差。真正的规律性意味着以固定的节奏处理你关心的事情——有空白期也没关系。
建立真实的图表
与其造假,不如:
1. 选择一个项目,每天花 30 分钟在上面。
2. 为开源做贡献——即使是文档、测试或错误报告也算。
3. 维护一个学习仓库,在里面提交笔记和实验。
4. 构建你真正使用的工具。你会自然而然地不断改进它们。
让你的作品集与你想要的角色对齐
你的作品集应该看起来像是你被录用后所做工作的预览。根据你的目标进行定制。
AI 原生开发岗位
这些岗位希望看到你能与 AI 一起构建,并为 AI 构建:
| 信号 | 示例仓库 |
|---|---|
| 工作流中使用了 AI 工具 | 包含 .claude/ 配置、AI 辅助提交、Claude Code 斜杠命令的项目 |
| 主体性工作流 | 能够研究、规划并执行任务的多步骤 Agent |
| LLM 集成 | 具有结构化输出、提示工程、模型路由的应用 |
| RAG 与检索 | 带有嵌入搜索和评估指标的知识库 |
| 评估与测试 | LLM 输出评估框架、提示回归测试 |
| AI 辅助开发 | 记录 AI 工具如何加速开发的项目 README |
针对特定角色的作品集目标
| 目标角色 | 必备仓库 | 锦上添花 |
|---|---|---|
| AI/ML 工程师 | 微调模型、评估框架、数据管道 | 论文复现、模型对比 |
| 全栈 AI 开发者 | 集成 LLM 的应用、RAG 系统、已部署的 SaaS | 开源贡献、CLI 工具 |
| 平台/基础设施工程师 | CI/CD 管道、IaC 仓库、监控设置 | 性能基准、开源贡献 |
| 开发者工具 / DX | CLI 工具、SDK/库、VS Code 扩展 | 文档站点、开发者社区工具 |
作品集审核清单
在每次求职前进行此审计。要诚实。
第一印象(30 秒)
- 个人资料照片专业(或有意与众不同)
- 个人简介说明了你做什么以及你在寻找什么
- 置顶仓库的描述对陌生人来说有意义
- 至少有 3 个置顶仓库的 README 中包含截图或演示链接
- 首页上没有见不得人的仓库名
深度检查(2 分钟)
- 每个置顶仓库都有一个解释是什么、为什么和如何做的 README
- 至少有一个项目包含线上演示或部署链接
- 置顶仓库的代码质量反映了你当前的技能水平
- 提交历史展示了真实的开发过程(而不是单一的 "initial commit")
- 至少有一个仓库展示了测试或 CI/CD
故事检查(5 分钟)
- 你的置顶仓库讲述了关于你技能的连贯故事
- 从较旧到较新的项目有可见的进步
- 你的作品集与你所针对的角色一致
- 你能在 60 秒的电梯演讲中解释每一个置顶仓库
- 你会根据这个 GitHub 雇佣你自己
终极测试
在一个无痕窗口中打开你的 GitHub。假装你是一个从未见过你的招聘经理。花 60 秒。你会把这位候选人移到下一轮吗?
如果答案不是立即肯定的,继续迭代。
反模式
| 反模式 | 为什么它有害 | 如何修复 |
|---|---|---|
| 未修改的 fork 仓库 | 看起来像是在凑数 | 删除或设为私有 |
| 教程克隆版("todo-app", "weather-app") | 说明你只是跟着做了,而非能自己构建 | Fork 它,然后把它远远延伸出教程的范围 |
| 空仓库或只有 README 的仓库 | 表明是废弃的想法 | 归档或删除它们 |
| 公开仓库没有 README | "我不沟通我的工作" | 为你保留公开的所有内容添加 README |
| 50+ 个可见仓库,未经整理 | 嘈杂的信号,没有重点 | 积极归档,策略性置顶 |
| 过时的置顶仓库(超过 2 年) | "他们近期没有构建任何东西" | 轮换置顶以展示近期工作 |
| 只有自动生成统计数据的个人资料 README | 不个性化,低投入 | 撰写真实的个人简介,包含你的专注领域和目标 |
| 名为 "test"、"temp"、"asdf" 的仓库 | 粗心大意 | 重命名或删除 |
强力一招
"请以 AI 原生开发岗位的招聘经理身份,审核我的 GitHub 作品集 [你的 GitHub URL]。为每个置顶仓库的 README 质量、技术深度、部署状态以及与 AI/ML 岗位的相关性打分。然后给我一个优先行动计划:哪些需要归档,哪些需要改进,缺少什么,以及哪个新项目能带来最大的改变。"
这个 Agent 将化身为你的作品集评论家——为你提供诚实、具体的反馈,帮助你从代码墓地转变为职业资产。
相关技能
| 技能 | 何时使用 |
|---|---|
github-profile | 实现 GitHub 平台机制——个人资料 README、仓库置顶、话题、贡献图 |
career-resume | 完整的职业生命周期——求职、面试、入职、绩效评估 |