作品集策略
核心原則
你的 GitHub 不是一個半成品專案的墳場。它是一個精心策劃的展覽。每個被置頂的倉儲都應該回答面試官對你的一個疑問——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 個倉儲,大多是 fork 5 個倉儲,全是原創作品
沒有 README 每個 README 講述一個故事
沒有線上展示 每個專案都已部署
複製的隨機教學 清晰的主題和進步
最後一次提交:8 個月前 持續且近期的活躍
倉儲沒有描述 每個倉儲都有一句話說明
"my-first-react-app" "AI-powered code review tool"
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所為,而不是什麼都 commit 的人。
品質重於數量
三到五個打磨過的專案,勝過三十個被遺棄的倉儲。每次都一樣。
關鍵數字
| 倉儲數量 | 有 README | 已部署 | 面試官的想法 |
|---|---|---|---|
| 30 | 2 | 0 | "只會開始,不會完成" |
| 15 | 5 | 1 | "涉獵廣泛,但不清楚擅長什麼" |
| 5 | 5 | 4 | "專注、能交付、懂自己的專業" |
| 3 | 3 | 3 | "經手的每個東西都打磨過" |
清理規則
在加入新東西之前,先審計已經存在的內容:
1. 歸檔或設為私人:未完成且無法挽救的項目
2. 刪除:你從未修改過的 fork 倉儲
3. 添加 README:所有你要保留公開的項目
4. 設定描述:每個可見的倉儲
5. 剩下的應該都是值得展示的內容
如果你不會把它放在履歷上,它就不該出現在你的公開 GitHub 上。
在倉儲之間講述一個故事
你的置頂倉儲不是隨機樣本。它們是章節。把它們排列好,讓訪客看到一個敘事。
有效的故事結構
專家路線:
"我深入研究 AI/ML,而且我能證明。"
倉儲 1:為特定領域任務微調的 LLM
倉儲 2:帶有評估框架的 RAG 管線
倉儲 3:使用工具呼叫的 Agent 工作流程
倉儲 4:對 LangChain/LlamaIndex 的開源貢獻
全端建構者路線:
"我從資料庫到部署,建立完整的產品。"
倉儲 1:全端 SaaS 應用(Next.js + API + DB + Auth)
倉儲 2:AI 驅動的命令列工具(展示後端/系統能力)
倉儲 3:開源函式庫(展示 API 設計思維)
倉儲 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 — 我還用它建構,也為它建構。"
倉儲 1:Agent 工作流程 / 多代理系統
倉儲 2:整合 LLM 的生產級應用
倉儲 3:利用 AI 的開發者工具(linter, reviewer, generator)
倉儲 4:對 AI 框架或工具鏈的貢獻
進步訊號
面試官會注意到你的倉儲是否展現了成長:
| 訊號 | 它顯示了什麼 |
|---|---|
| 早期倉儲:簡單的 CRUD 應用 | 你從某個起點開始 |
| 中期倉儲:含測試和 CI 的 API | 你學會了工程實踐 |
| 近期倉儲:帶有評估的 AI Agent | 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協作 |
置頂什麼以及為何
你有六個置頂倉儲的位置。要有策略地使用它們。
理想的置頂配置
| 位置 | 置頂內容 | 原因 |
|---|---|---|
| 1 | 全端專案 | 證明你能建立完整的產品 |
| 2 | AI/ML 專案 | 顯示你在前沿領域工作 |
| 3 | 開源貢獻 | 證明你能在真實的程式碼庫中協作 |
| 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) | 為你的目標角色提供深度訊號 |
| 6 | 外卡 — 個人或創意專案 | 展現個性和真正的求知慾 |
置頂規則
請置頂:
- 有線上展示或部署連結的專案
- 有完整 README 和螢幕截圖的倉儲
- 與你申請的職位相符的作品
- 你最近期、最精緻的作品
請勿置頂:
- 你沒有實質修改過的 fork 倉儲
- 跟隨教學的產出(即使完成了)
- 沒有 README 的倉儲
- 任何你在面試中無法解釋的東西
README 作為你的作品集簡報
每個被置頂的倉儲都需要一個能在 30 秒內推銷專案的 README。面試官在決定是否繼續閱讀之前,花費的時間只會比這更少。
作品集倉儲的 README 結構
# 專案名稱
一句話說明它做什麼以及為什麼重要。
## 展示
[線上展示連結] | [影片導覽連結]
顯示應用程式運作中的螢幕截圖或 GIF。
## 問題
這個專案解決了什麼問題?誰有這個問題?
## 運作方式
架構概述。關鍵技術決策。
如果系統有多個元件,請附圖。
## 技術棧
列出技術 — 但只列有意義的。
不要列出 HTML/CSS。但一定要列出你的 AI 整合、資料庫、部署目標。
## 主要功能
- 功能 1 — 為什麼它在技術上很有趣
- 功能 2 — 建構它的困難點在哪裡
- 功能 3 — 你下次會改進什麼
## 開始使用
清晰的設定說明。應該讓別人在 5 分鐘內就能執行。
## 我學到了什麼
簡短反思最艱難的技術挑戰以及你是如何解決它的。
README 的反模式
| 糟糕的 README | 更好的 README |
|---|---|
| "一個 React 應用" | "AI 驅動的會議摘要工具,將錄音轉換為行動項目" |
| 沒有螢幕截圖 | 在摺疊處以上放英雄截圖或 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 |
| 列出所有 npm 套件 | 重點介紹 3-4 個關鍵技術 |
線上展示和部署連結
程式碼只是一個假設。已部署的應用程式才是證明。
為什麼部署如此重要
面試官看到沒有展示的倉儲:
"有趣的程式碼...但它真的能用嗎?"
面試官看到有線上連結的倉儲:
"讓我試試看。" → 2 分鐘後 → "這個人會交付。"
依專案類型選擇部署選項
| 專案類型 | 免費部署 | 適合對象 |
|---|---|---|
| 全端網頁應用 | Vercel, Railway, Fly.io | 具有生產感的應用 |
| API / 後端 | Railway, Render | 展示後端技能 |
| 靜態網站 / 文件 | GitHub Pages, Netlify | 文件、登陸頁面 |
| AI/ML 展示 | Hugging Face Spaces, Streamlit Cloud | 模型展示、資料應用 |
| CLI 工具 | npm publish, Homebrew tap | 發佈訊號 |
如果無法部署,錄製一個展示影片
並非所有東西都能在雲端執行。對於僅限本機的工具、CLI 應用或複雜系統:
1. 錄製 60-90 秒的影片導覽。
2. 上傳到 YouTube(不公開也可以)。
3. 製作一個顯示關鍵操作的 GIF。
4. 將兩者都放在 README 中。
影片展示比完全沒有展示好上十倍。
貢獻圖
一致性傳遞的訊號
面試官會掃視你的貢獻圖。以下是他們實際解讀的內容:
| 模式 | 解讀 |
|---|---|
| 大部分日子都有穩定的綠色 | "這個人定期寫程式。好習慣。" |
| 圍繞專案形成的叢集 | "以專注的衝刺方式工作。正常。" |
| 只有平日才有綠色 | "有正職工作,但仍然有個人作品。" |
| 混合自己的倉儲和貢獻 | "有協作精神。不只是個人專案。" |
偽造的跡象
有經驗的審查者可以立即識別這些:
紅旗:
- 完全均勻的綠色(每一天都相同,強度相同)
- 僅有 README 編輯或空白字元變更的提交
- 一天內在空倉儲上提交 500 次
- 一週內建立數十個倉儲,每個都只有單次提交
- 自動生成的提交機器人
偽造貢獻圖比有空白更糟。它顯示出絕望和判斷力差。真正的規律意味著以穩定的節奏、做你關心的事情 — 即使是斷斷續續的也沒關係。
建立真實的圖表
與其偽造,不如:
1. 挑選一個專案,每天花 30 分鐘在上面。
2. 貢獻開源 — 即使只是文件、測試或錯誤回報也算。
3. 維護一個學習倉儲,用來提交筆記和實驗。
4. 建立你真正會使用的工具。你自然會持續改進它們。
讓你的作品集對齊你想要的職位
你的作品集應該看起來像是你如果被錄取後的工作預覽。根據你的目標進行調整。
AI 原生開發職位
這些職位希望看到你能夠 用 AI 建構,以及 為了 AI 建構:
| 訊號 | 範例倉儲 |
|---|---|
| 在工作流程中使用 AI 工具 | 包含 .claude/ 設定、AI 輔助提交、Claude Code 斜線命令的專案 |
| Agent 工作流程 | 研究、規劃和執行任務的多步驟 Agent |
| LLM 整合 | 具有結構化輸出、提示工程、模型路由的應用 |
| RAG 和檢索 | 帶有嵌入搜尋和評估指標的知識庫 |
| 評估和測試 | 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 |
針對特定角色的作品集目標
| 目標角色 | 必備倉儲 | 加分項 |
|---|---|---|
| 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、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 倉儲、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計。要誠實。
第一印象(30 秒)
- 大頭照專業(或刻意有特色)
- 個人簡介說明你的工作和求職目標
- 置頂倉儲的描述對陌生人來說有意義
- 至少 3 個置頂倉儲的 README 中有螢幕截圖或展示連結
- 首頁上沒有尷尬的倉儲名稱
深度檢查(2 分鐘)
- 每個置頂倉儲都有一個解釋了做什麼、為什麼以及如何做的 README
- 至少有一個專案有線上展示或部署連結
- 置頂倉儲中的程式碼品質反映你當前的技能水準
- 提交歷史顯示了真正的開發過程(不是單一 "initial commit" blob)
- 至少有一個倉儲展示了測試或 CI/CD
故事性檢查(5 分鐘)
- 你的置頂倉儲講述了一個關於你技能的連貫故事
- 從舊到新的專案有明顯的進步
- 你的作品集與你目標職位相符
- 你能在 60 秒的電梯簡報中解釋每個置頂倉儲
- 你會根據這個 GitHub 雇用你自己
終極測試
用無痕視窗打開你的 GitHub。假裝你是一個從不認識你的面試官。花 60 秒。你會把這個候選人送到下一輪嗎?
如果答案不是立即的「會」,那就繼續迭代。
反模式
| 反模式 | 為什麼有害 | 修正方法 |
|---|---|---|
| 未修改的 fork 倉儲 | 看起來像在充數 | 刪除或設為私人 |
| 教學複製品("todo-app", "weather-app") | 表示你只會照做,而非能建構 | 先 fork,然後大幅擴展它 |
| 空倉儲或只有 README 的倉儲 | 表示被遺棄的想法 | 歸檔或刪除 |
| 公開倉儲沒有 README | "我不溝通我的工作" | 為所有保留公開的倉儲添加 README |
| 超過 50 個可見倉儲且未經策劃 | 雜訊過多,沒有訊號 | 積極歸檔,策略性置頂 |
| 過時的置頂倉儲(超過 2 年) | "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頁面 README | 不個人化,低努力 | 撰寫真實的自傳,說明你的重點和目標 |
| 名為 "test", "temp", "asdf" 的倉儲 | 粗心大意 | 重新命名或刪除 |
殺手級應用
"Review my GitHub portfolio at [your GitHub URL]. Evaluate it as if you're a hiring manager for an AI-native development role. Score each pinned repo on README quality, technical depth, deployment status, and relevance to AI/ML roles. Then give me a prioritized action plan: what to archive, what to improve, what's missing, and what one new project would make the biggest difference."
這個 Agent 將成為你的作品集評論家 — 提供你誠實、具體的回饋,幫助你將 GitHub 從程式碼墳場轉變為職涯資產。
相關技能
| 技能 | 何時使用 |
|---|---|
github-profile | 實作 GitHub 平台機制 — 個人頁面 README、倉儲置頂、主題標籤、活動圖表 |
career-resume | 完整的職涯週期 — 求職、面試、入職、績效評估 |