Communitygithub.com

MikeCheng1208/BattleTree

打造能帮你获得面试机会的 GitHub 作品集 — 精选 3-5 个精良项目、撰写引人入胜的 README、部署在线演示、在仓库间讲述连贯的故事,并让一切与 AI 原生开发岗位对齐。在准备 GitHub 求职、决定固定哪些仓库或审计你的公开形象时使用。

BattleTree 是什么?

该技能旨在帮助开发者将 GitHub 作品集从“半成品墓场”转变为“精心策划的展览”,以吸引招聘经理的目光。核心原则是质量远胜数量:3-5 个精良项目胜过 30 个被遗弃的仓库。技能提供了详细的策略,包括如何通过固定仓库讲述技术成长故事,如何为每个仓库撰写能在 30 秒内打动人的 README,以及为何部署在线演示或录制视频演示至关重要。它还涵盖了如何调整贡献图以展示真实且稳定的编码习惯,并针对 AI 原生开发、全栈 AI、平台工程等不同角色给出了作品集对齐建议。最终,该技能包含一份作品集审查清单和一个“强力行动”提示,可让 AI Agent 作为批评者,提供具体可操作的改进反馈。

兼容平台✓Claude Code~Codex CLI~Cursor✓Antigravity
npx skills add https://github.com/MikeCheng1208/BattleTree/tree/HEAD/.agents/skills/portfolio-strategy

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

作品集策略

核心原则

你的 GitHub 不是半成品的墓场。它是精心策划的展览。每个固定的仓库都应回答招聘经理对你的一个疑问——而每个答案都应让他们想要安排面试。

区分平庸与出众

平庸的作品集                          出众的作品集
─────────────────                    ────────────────────
30 个仓库,大部分是 fork                 5 个仓库,全是原创作品
没有 README                            每个 README 都讲述一个故事
没有在线演示                           每个项目都已部署
克隆的随机教程                         清晰的主题和进步轨迹
最后一次提交:8 个月前                  持续、近期的活动
仓库没有描述                           每个仓库都有一句话简介
"我的第一个React应用"                  "AI 驱动的代码审查工具"

区别不在于天赋。在于策划。最棒的作品集看起来像是有计划的人,而不是什么代码都往上放的人。


质量胜于数量

三到五个精良项目胜过三十个被遗弃的仓库。每次都如此。

关键数字

仓库数README 数已部署数招聘经理的想法
3020"开始事情,但不完成它们"
1551"浅尝辄止。不清楚他们擅长什么"
554"专注。能交付。懂行"
333"他们经手的一切都很精良"

清理规则

在添加任何新内容之前,先审计已有的:

1. 将未完成且无法挽救的内容归档或设为私有。
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. 为每个可见仓库设置描述。
5. 剩下的应该是值得展示的。

如果你不会把它放在简历上,那它就不应该出现在你的公开 GitHub 上。


在你的仓库间讲述一个故事

你固定的仓库不是随机样本。它们是章节。安排它们,让访问者看到一段叙事。

行之有效的故事结构

专家型路线:

"我深入研究 AI/ML,并且我能证明。"

仓库 1: 针对特定领域任务微调的 LLM
仓库 2: 带评估框架的 RAG 流水线
仓库 3: 使用工具的智能体工作流
仓库 4: 对 LangChain/LlamaIndex 的开源贡献

全栈构建者路线:

"我从数据库到部署构建完整产品。"

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/系统能力)
仓库 3: 开源库(展示 API 设计思维)
仓库 4: 个人自动化工具(展示你也为自己构建)

AI 原生开发者路线:

"我不仅使用 AI——我还用 AI 构建,并为 AI 构建。"

仓库 1: 智能体工作流 / 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、审查器、生成器)
仓库 4: 对 AI 框架或工具链的贡献

进展信号

招聘经理会注意到你的仓库是否显示出成长:

信号说明
早期仓库:简单的 CRUD 应用你在某个地方开始了
中期仓库:带测试和 CI 的 API你学习了工程实践
近期仓库:带评估的 AI 智能体你在前沿领域构建
对主要开源项目的贡献你可以在大型代码库中协作

固定什么以及为什么

你可以固定六个仓库。策略性地使用它们。

理想的固定布局

插槽固定什么为什么
1全栈项目证明你能构建一个完整产品
2AI/ML 项目展示你在前沿领域工作
3开源贡献证明你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
6万能卡 — 个人或创意展示个性和真正的好奇心

固定规则

要固定:
  - 带有在线演示或部署链接的项目
  - 带有详尽 README 和截图的仓库
  - 与你申请的岗位匹配的工作
  - 你最近、最精良的工作

不要固定:
  - 你没有实质性修改过的 fork 仓库
  - 教程跟随项目(即使完成了)
  - 没有 README 的仓库
  - 任何你在面试中无法解释的东西

README 作为你的作品集推销辞

每个固定的仓库都需要一个能在 30 秒内推销项目的 README。招聘经理花的时间可能更少,然后决定是否继续阅读。

作品集仓库的 README 结构

# 项目名称
一句话描述它的功能以及为什么重要。

## 演示
[在线演示链接] | [视频演示链接]

显示应用运行中的截图或 GIF。

## 问题
这解决了什么问题?谁有这个问题?

## 工作原理
架构概览。关键技术决策。
如果系统有多个组件,请提供图表。

## 技术栈
列出技术——但只列出有意义的技术。
不要列出 HTML/CSS。但要列出你的 AI 集成、数据库、部署目标。

## 主要特性
- 特性 1 — 为什么它在技术上很有趣
- 特性 2 — 构建它最难的地方是什么
- 特性 3 — 你接下来会改进什么

## 快速开始
清晰的设置说明。别人应该能在 5 分钟内运行它。

## 我学到了什么
简要反思最困难的技术挑战以及你如何解决它。

README 反模式

糟糕的 README更好的 README
"一个 React 应用""AI 驱动的会议摘要器,将录音转化为行动项"
没有截图首屏上方有主打截图或 GIF
设置:"克隆并运行"设置:分步说明,列出前置条件
没有架构解释显示组件如何连接的系统图
列出每个 npm 包突出 3-4 个关键技术

在线演示和部署链接

代码是一个假设。已部署的应用是证据。

为什么部署很重要

招聘经理看到没有演示的仓库:
  "有趣的代码... 它真的能用吗?"

招聘经理看到有在线链接的仓库:
  "让我试试。" → 2 分钟后 → "这个人能交付。"

按项目类型的部署选项

项目类型免费部署适合
全栈 Web 应用Vercel, Railway, Fly.io有生产感的应用
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

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(非公开也可以)。
3. 制作关键交互的 GIF。
4. 将两者都放入 README。

视频演示比没有演示好十倍。


贡献图

一致性传递的信号

招聘经理会扫一眼你的贡献图。以下是他们实际从中解读的信息:

模式解读
稳定的绿色,大部分日子"这个人经常写代码。好习惯。"
围绕项目聚集"以集中的冲刺方式工作。正常。"
只有工作日是绿色"有工作,仍然交付个人作品。"
混合自己的仓库和贡献"善于协作。不只是个人项目。"

作假的迹象

有经验的审查者可以立刻发现这些:

危险信号:
  - 完美均匀的绿色(每一天,相同强度)
  - 仅包含 README 编辑或空白字符更改的提交
  - 一天内向空仓库提交 500 次
  - 一周内创建数十个仓库,每个都只有一次提交
  - 自动生成的提交机器人

伪造你的图比有缺口更糟。它表明绝望和判断力差。真正的持续性意味着以规律的节奏从事你关心的事情——有缺口也没关系。

建立真实的图

与其假装,不如:
  1. 选择一个项目,每天工作 30 分钟。
  2. 为开源做贡献——即使是文档、测试或错误报告也算。
  3. 保留一个学习仓库,你在其中提交笔记和实验。
  4. 构建你实际使用的工具。你会自然地不断改进它们。

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你被雇佣后会做的工作的预览。根据你的目标进行定制。

AI 原生开发角色

这些角色希望看到你能用 AI 构建并为 AI 构建:

信号示例仓库
在你的工作流中使用 AI 工具包含 .claude/ 配置、AI 辅助提交、Claude Code 斜杠命令的项目
智能体工作流能够研究、规划和执行任务的多步骤智能体
LLM 集成具有结构化输出、提示工程、模型路由的应用
RAG 和检索带有嵌入搜索和评估指标的知识库
评估和测试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

目标角色必备仓库加分项
AI/ML 工程师微调模型、评估框架、数据流水线论文实现、模型比较
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 流水线、IaC 仓库、监控设置性能基准、开源贡献
开发者工具/DXCLI 工具、SDK/库、VS Code 扩展文档站点、开发者社区工具

作品集审查清单

在每次求职前执行此审计。要诚实。

第一印象(30 秒)

  • 头像照片是专业的(或故意有特色)
  • 个人简介说明你做什么以及你在找什么
  • 固定的仓库有对陌生人来说有意义的描述
  • 至少 3 个固定的仓库在 README 中有截图或演示链接
  • 第一页没有令人尴尬的仓库名称

深度检查(2 分钟)

  • 每个固定的仓库都有解释是什么、为什么以及怎么做的 README
  • 至少有一个项目有在线演示或部署链接
  • 固定仓库中的代码质量反映你当前的技能水平
  • 提交历史显示真正的开发(不是单一的 "initial commit" blob)
  • 至少有一个仓库展示了测试或 CI/CD

故事检查(5 分钟)

  • 你固定的仓库讲述了一个关于你技能的连贯故事
  • 从旧项目到新项目有可见的进步
  • 你的作品集与你目标角色对齐
  • 你能在 60 秒的电梯演讲中解释每个固定的仓库
  • 你会根据这个 GitHub 雇佣你自己

终极测试

在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。你会把这个候选人推进到下一轮吗?

如果答案不是立即的“是”,请继续迭代。


反模式

反模式为什么有害修复
没有更改的 fork 仓库看起来像是填充删除或设为私有
教程克隆("todo-app", "weather-app")表示你遵循了指令,而不是你能构建Fork 它,然后大幅扩展超越教程
空仓库或只有 README 的仓库表示被放弃的想法归档或删除它们
公开仓库没有 README"我不交流我的工作"为你保留公开的所有内容添加 README
50+ 个可见仓库未经策划压倒性的噪音,没有信号积极归档,策略性地固定
过时的固定仓库(2 年以上)"他们最近什么都没构建"轮换固定的仓库以展示近期工作
只有自动生成统计信息的个人资料 README不个性化,低努力写下真实的个人简介,包含你的专注点和目标
名为 "test", "temp", "asdf" 的仓库粗心大意重命名或移除

强力行动

"在我的 GitHub URL 处审查我的 GitHub 作品集。假装你是一个 AI 原生开发岗位的招聘经理来评估它。根据 README 质量、技术深度、部署状态以及与 AI/ML 岗位的相关性对每个固定的仓库进行评分。然后给我一个优先行动计划:什么东西要归档、什么要改进、缺少什么,以及哪一个新项目能带来最大的改变。"

这个智能体成为了你的作品集批评者——给你诚实、具体的反馈,将你的 GitHub 从代码墓场转变为职业资产。

相关技能

技能何时使用
github-profile实现 GitHub 平台机制——个人资料 README、仓库固定、主题、活动图
career-resume完整的职业生命周期——求职、面试、入职、绩效评估

Individual skills in this repo

This repo contains 12 individual skills — each has its own dedicated page.

MikeCheng1208/BattleTree

Index-based file discovery using ABOUTME headers. Use INSTEAD of grep or Explore agent when searching for files by purpose or feature. Faster and more accurate than scanning code. Invoke this skill when user asks "which files handle X", "where is Y implemented", or when you need to find files related to a feature or task.

MikeCheng1208/BattleTree

Factor modeling and portfolio construction (Markowitz, Black-Litterman, constraints, turnover).

MikeCheng1208/BattleTree

Skill for discovering and researching autonomous AI agents, tools, and ecosystems using the AgentFolio directory.

MikeCheng1208/BattleTree

Analyze the CustomGPT.ai Labs Innovation workbook and cost tracking data to surface portfolio-level insights, trends, and recommendations for where to focus Innovation efforts.

MikeCheng1208/BattleTree

Personal meta-skill for Arach. Use this as the entry point to understand arach's projects, conventions, and available skills. Activates on "arach's projects", "what does arach work on", or when working in any arach/* repo.

MikeCheng1208/BattleTree

High-converting landing pages. Copy + design + implementation. Triggers: landing page, conversion page.

MikeCheng1208/BattleTree

Expert in building portfolios that actually land jobs and clients - not just showing work, but creating memorable experiences. Covers developer portfolios, designer portfolios, creative portfolios,...

MikeCheng1208/BattleTree

Automate Klipfolio tasks via Rube MCP (Composio). Always search tools first for current schemas.

MikeCheng1208/BattleTree

Minimalist, typography-focused portfolio design system inspired by neo-brutalist and Swiss design principles. Emphasizes bold typography, generous whitespace, monochromatic color schemes, and elegant simplicity for developer/designer portfolios.

MikeCheng1208/BattleTree

Portfolio allocation and rebalancing optimizer. Manages asset allocation across stocks/cash/bonds, performs periodic rebalancing, and ensures diversification according to market regime and risk tolerance.

MikeCheng1208/BattleTree

Optimize project portfolio selection under constraints using mathematical optimization

MikeCheng1208/BattleTree

Detect and explain risk drift in lending portfolios over time using vintage analysis, migration matrices, and concentration metrics. Use when monitoring portfolio credit quality trends, preparing board risk reports, conducting stress testing, or when risk metrics deviate from appetite thresholds.

相关技能