作品集策略
核心原則
你的 GitHub 不是一個堆滿半成品項目的墓地。它是一個精心策劃的展覽。每個被置頂的儲存庫都應該回答招聘經理對你的一個疑問——而每個答案都應該讓他們想要安排面試。
平庸與出色的差別
平庸的作品集 出色的作品集
───────────────── ────────────────────
30 個儲存庫,大多是 fork 5 個儲存庫,全部原創
沒有 README 每個 README 都在講故事
沒有實際展示 每個專案都已部署
複製的隨機教程 清晰的主題和進展
最後一次提交:8 個月前 持續且近期的活動
儲存庫沒有描述 每個儲存庫都有一行簡介
"我的第一個 React 應用" "AI 驅動的程式碼審查工具"
差別不在於天賦,而在於策劃。最好的作品集看起來像是有計劃的人做的,而不是什麼都提交的人。
品質重於數量
三個到五個打磨完善的專案,每次都勝過三十個被遺棄的儲存庫。
關鍵的數學
| 儲存庫 | README | 已部署 | 招聘經理想法 |
|---|---|---|---|
| 30 | 2 | 0 | "開始事情,但從不完成" |
| 15 | 5 | 1 | "涉獵廣泛。不清楚他們擅長什麼" |
| 5 | 5 | 4 | "專注。能交付。精通自己的技術" |
| 3 | 3 | 3 | "他們碰過的每件事都很精緻" |
清理規則
在添加任何新東西之前,先審查已經存在的內容:
1. 將未完成且無法挽救的項目歸檔或設為私有。
2. 刪除你從未修改過的 fork 儲存庫。
3. 為你保留公開的所有內容添加 README。
4. 為每個可見的儲存庫設定描述。
5. 留下的東西應該值得展示。
如果你不會把它放在履歷上,它就不應該出現在你的公開 GitHub 上。
在你的儲存庫間講述一個故事
你的置頂儲存庫不是隨機的樣本。它們是章節。把它們安排得讓訪客能看到一個敘事。
有效的故事結構
專家路線:
"我深入研究 AI/ML,而且我能證明這一點。"
儲存庫 1:為特定領域任務微調的 LLM
儲存庫 2:具有評估框架的 RAG 管線
儲存庫 3:使用工具的代理工作流程
儲存庫 4:對 LangChain/LlamaIndex 的開源貢獻
全端開發者路線:
"我從資料庫到部署建構完整的產品。"
儲存庫 1:全端 SaaS 應用程式 (Next.js + API + DB + Auth)
儲存庫 2:AI 驅動的 CLI 工具 (展示後端/系統能力)
儲存庫 3:開源函式庫 (展示 API 設計思維)
儲存庫 4:個人自動化工具 (展示你也為自己打造工具)
AI 原生開發者路線:
"我不只是使用 AI — 我用它來建構,也為它而建構。"
儲存庫 1:代理工作流程 / 多代理系統
儲存庫 2:生產級應用程式中的 LLM 整合
儲存庫 3:利用 AI 的開發者工具 (linter、reviewer、generator)
儲存庫 4:對 AI 框架或工具鏈的貢獻
進展信號
招聘經理會注意到你的儲存庫何時顯示出成長:
| 信號 | 它顯示了什麼 |
|---|---|
| 早期儲存庫:簡單的 CRUD 應用程式 | 你從某處開始 |
| 中期儲存庫:帶有測試和 CI 的 API | 你學會了工程實踐 |
| 近期儲存庫:帶有評估的 AI 代理 | 你正在前沿領域建構 |
| 對主要 OSS 專案的貢獻 | 你可以在大型程式碼庫中工作 |
置頂什麼以及為什麼
你有六個可以置頂的儲存庫。策略性地使用它們。
理想的置頂佈局
| 槽位 | 置頂什麼 | 為什麼 |
|---|---|---|
| 1 | 全端專案 | 證明你可以建構一個完整的產品 |
| 2 | AI/ML 專案 | 顯示你處於前沿領域 |
| 3 | 開源貢獻 | 證明你在真實程式碼庫中協作 |
| 4 | 開發者工具或 CLI | 顯示你解決自己的問題 |
| 5 | 領域專案 (你的專長) | 為目標職位提供深度信號 |
| 6 | 萬用牌 — 個人或創意 | 展示個性和真正的好奇心 |
置頂規則
務必置頂:
- 帶有實際展示或部署連結的專案
- 具有詳盡 README 和截圖的儲存庫
- 與你申請的職位相符的作品
- 你最近期、最精緻的作品
不要置頂:
- 你沒有進行有意義修改的 fork 儲存庫
- 跟著教學做的專案 (即使完成了)
- 沒有 README 的儲存庫
- 任何你在面試中無法解釋的東西
README 作為你的作品集推銷
每個置頂的儲存庫都需要一個在 30 秒內就能推銷專案的 README。招聘經理花在決定是否繼續閱讀上的時間只會更少。
作品集儲存庫的 README 結構
# 專案名稱
一句話描述它的功能和重要性。
## 展示
[實際展示連結] | [影片導覽連結]
顯示應用程式運作的截圖或 GIF。
## 問題
這個解決了什麼問題?誰有這個問題?
## 運作方式
架構概覽。關鍵技術決策。
如果系統有多個元件,請附上圖表。
## 技術棧
列出技術 — 但只列出有意義的那些。
不要列出 HTML/CSS。務必列出你的 AI 整合、資料庫、部署目標。
## 關鍵功能
- 功能 1 — 為什麼它在技術上有趣
- 功能 2 — 建構它的困難之處
- 功能 3 — 你接下來會改進什麼
## 開始使用
清晰的設定說明。其他人應該能在 5 分鐘內執行這個專案。
## 學到的東西
簡短反思最困難的技術挑戰以及你是如何解決它的。
README 反模式
| 糟糕的 README | 更好的 README |
|---|---|
| "一個 React 應用程式" | "AI 驅動的會議摘要工具,將錄音轉化為行動項目" |
| 沒有截圖 | 摺疊上方有英雄截圖或 GIF |
| 設定:"clone 然後執行" | 設定:逐步說明,並列出先決條件 |
| 沒有架構說明 | 顯示元件如何連接的系統圖表 |
| 列出每個 npm 套件 | 重點介紹 3-4 個重要的技術 |
實際展示和部署連結
程式碼只是一個假設。已部署的應用程式才是證明。
為什麼部署很重要
招聘經理看到沒有展示的儲存庫:
"有趣的程式碼... 它真的能運作嗎?"
招聘經理看到帶有即時連結的儲存庫:
"讓我試試。" → 2 分鐘後 → "這個人會交付。"
按專案類型劃分的部署選項
| 專案類型 | 免費部署 | 適用於 |
|---|---|---|
| 全端網頁應用程式 | Vercel, Railway, Fly.io | 有生產感覺的應用程式 |
| API / 後端 | Railway, Render | 展示後端技能 |
| 靜態網站 / 文件 | GitHub Pages, Netlify | 文件、落地頁面 |
| AI/ML 展示 | Hugging Face Spaces, Streamlit Cloud | 模型展示、資料應用程式 |
| CLI 工具 | npm publish, Homebrew tap | 分發信號 |
如果你無法部署,錄製一個展示
並非所有東西都能在雲端執行。對於僅限本地的工具、CLI 應用程式或複雜系統:
1. 錄製一個 60-90 秒的影片導覽。
2. 上傳到 YouTube (未列出也可以)。
3. 建立關鍵互動的 GIF。
4. 將兩者都放到 README 中。
一個影片展示比完全沒有展示好十倍。
貢獻圖
一致性傳達的信號
招聘經理會瞥一眼你的貢獻圖。以下是他們實際上從中讀取到的資訊:
| 模式 | 解讀 |
|---|---|
| 大部分天數穩定綠色 | "這個人定期寫程式。好習慣。" |
| 圍繞專案聚集 | "以專注的短跑方式工作。正常。" |
| 只有工作日是綠色 | "有工作,但仍然交付個人作品。" |
| 混合自己的儲存庫和貢獻 | "善於協作。不只是個人專案。" |
「刷」圖看起來像什麼
有經驗的審查者可以立即看出這些:
紅旗:
- 完美均勻的綠色 (每一天,相同強度)
- 提交僅限於 README 編輯或空白字元變更
- 一天內對空儲存庫進行 500 次提交
- 一週內創建數十個儲存庫,每個都只有一次提交
- 自動生成的提交機器人
刷你的圖比有缺口更糟糕。它傳達出絕望和糟糕的判斷力。真正的連貫意味著以規律的節奏處理你關心的事情——有缺口也無妨。
建立真實的圖表
與其偽造它:
1. 挑選一個專案,每天花 30 分鐘在上面。
2. 貢獻開源 — 即使是文件、測試或 bug 報告也算。
3. 保留一個學習儲存庫,你在其中提交筆記和實驗。
4. 建立你實際會使用的工具。你會自然地持續改進它們。
將你的作品集調整到你想爭取的職位
你的作品集看起來應該像你被錄用後所做工作的預覽。根據你的目標量身打造。
AI 原生開發職位
這些職位希望看到你能夠 用 AI 建構以及 為 AI 建構:
| 信號 | 範例儲存庫 |
|---|---|
| 在你的工作流程中使用 AI 工具 | 帶有 .claude/ 設定、AI 輔助提交、Claude Code 斜線命令的專案 |
| 代理工作流程 | 研究、規劃和執行任務的多步驟代理 |
| LLM 整合 | 具有結構化輸出、提示工程、模型路由的應用程式 |
| RAG 與檢索 | 具有嵌入搜尋和評估指標的知識庫 |
| 評估與測試 | LLM 輸出評估框架、提示回歸測試 |
| AI 輔助開發 | 記錄 AI 工具如何加速開發的專案 README |
針對特定職位的作品集目標
| 目標職位 | 必備儲存庫 | 有則更好 |
|---|---|---|
| AI/ML 工程師 | 微調模型、評估框架、資料管線 | 論文實作、模型比較 |
| 全端 AI 開發者 | LLM 整合應用程式、RAG 系統、已部署的 SaaS | 開源貢獻、CLI 工具 |
| 平台 / 基礎設施工程師 | CI/CD 管線、IaC 儲存庫、監控設定 | 效能基準測試、OSS 貢獻 |
| 開發者工具 / DX | CLI 工具、SDK/函式庫、VS Code 擴充功能 | 文件網站、開發者社群工具 |
作品集審查清單
在每次求職前執行此審查。誠實以對。
第一印象 (30 秒)
- 個人頭像很專業 (或刻意與眾不同)
- 個人簡介說明了你的工作和你的求職目標
- 置頂儲存庫的描述對陌生人來說有意義
- 至少有 3 個置頂儲存庫在 README 中有截圖或展示連結
- 首頁上沒有令人尷尬的儲存庫名稱
深度檢查 (2 分鐘)
- 每個置頂儲存庫都有一個解釋了什麼、為什麼和如何的 README
- 至少有一個專案有實際展示或部署連結
- 置頂儲存庫中的程式碼品質反映了你目前的技能水平
- 提交歷史顯示了真正的開發過程 (不是單一的 "initial commit" blob)
- 至少有一個儲存庫展示了測試或 CI/CD
故事檢查 (5 分鐘)
- 你的置頂儲存庫講述了一個關於你技能的連貫故事
- 從較舊到較新的專案有可見的進展
- 你的作品集與你目標的職位一致
- 你可以在 60 秒的電梯簡報中解釋每個置頂儲存庫
- 你會根據這個 GitHub 僱用自己
終極測試
在無痕視窗中打開你的 GitHub。假裝你是一個從未見過你的招聘經理。花 60 秒。你會把這位候選人推到下一輪嗎?
如果答案不是立即肯定的,請繼續迭代。
反模式
| 反模式 | 為什麼有害 | 修正方法 |
|---|---|---|
| 沒有變更的 fork 儲存庫 | 看起來像是灌水 | 刪除或設為私有 |
| 教學克隆 ("todo-app", "weather-app") | 顯示你遵循了指示,而不是你能夠建構 | Fork 它,然後遠遠超出教學的範圍進行擴展 |
| 空的儲存庫或只有 README 的儲存庫 | 顯示被遺棄的想法 | 歸檔或刪除它們 |
| 公開儲存庫沒有 README | "我不溝通我的工作" | 為你保留公開的所有內容添加 README |
| 50 個以上未經策劃的可見儲存庫 | 壓倒性的噪音,沒有信號 | 積極歸檔,策略性地置頂 |
| 過時的置頂儲存庫 (2 年以上) | "他們最近沒有建構任何東西" | 輪換置頂以顯示近期作品 |
| 只有自動生成統計資料的個人資料 README | 不個人化,低努力 | 用你的重點和目標撰寫真正的簡介 |
| 命名為 "test", "temp", "asdf" 的儲存庫 | 粗心大意 | 重新命名或移除 |
殺手級應用
"在我的 GitHub URL [你的 GitHub URL] 審查我的 GitHub 作品集。以 AI 原生開發職位的招聘經理身份來評估它。根據 README 品質、技術深度、部署狀態以及與 AI/ML 職位的相關性,為每個置頂儲存庫打分。然後給我一個優先級的可行動計畫:什麼該歸檔、什麼該改進、缺少什麼、以及哪一個新專案能帶來最大的不同。"
這個代理程式成為你的作品集評論家——為你提供誠實、具體的反饋,幫助你把 GitHub 從程式碼墓地轉變為職業資產。
相關技能
| 技能 | 何時使用 |
|---|---|
github-profile | 實作 GitHub 平台機制 — 個人資料 README、儲存庫置頂、主題、活動圖 |
career-resume | 完整的職業生涯週期 — 求職、面試、入職、績效評估 |