作品集展示生成器 是做什麼的?
一個全面的技能,可將技術專案轉化為針對不同受眾(招聘人員、招聘經理、架構師、技術主管)優化的專業作品集。
核心能力
- 程式碼分析 - 分析 GitHub 倉庫結構、技術棧、架構模式
- 受眾適應 - 為高層、架構師和技術團隊生成內容
- 架構視覺化 - 創建系統、資料流程和部署圖
- 影響量化 - 提取並呈現業務指標和技術成就
- 多格式輸出 - 執行摘要、技術深入探討、面試故事、GitHub Pages
何時使用此技能
當使用者想要:
- 將技術專案轉化為作品集材料
- 從他們的工作中創建引人入勝的案例研究
- 生成面試準備材料(STAR 格式故事)
- 建立專業的 GitHub Pages 展示
- 從技術成就中提取業務影響
- 創建針對特定受眾的專案摘要
輸入格式
此技能接受多種輸入格式:
1. GitHub 倉庫
- 倉庫 URL 或本機路徑
- 分析:檔案結構、程式碼模式、技術棧、依賴項、文件
- 提取:架構模式(DDD、微服務等)、框架、雲端服務
2. 專案背景(任意組合)
- 原始筆記/要點 - 快速記錄成就和細節
- 技術規格 - 架構文件、設計文件
- 對話式 - 使用者自然描述專案
- 現有文件 - README 檔案、Wiki、ADR
3. 業務背景
- 專案目標和目的
- 已解決的問題
- 利害關係人和使用者
- 時間表和團隊規模
- 限制和挑戰
輸出生成
1. 執行摘要(面向招聘經理/招聘人員)
目的:快速、高影響力的概述,重點關注業務價值和結果。
結構:
- 專案概述(2-3 句):它是什麼,為什麼重要
- 主要成就(3-5 點):量化的業務影響
- 技術亮點(簡短):著名的技術/方法
- 時間與範圍:持續時間、團隊規模、角色
- 影響指標:效能提升、成本節省、使用者指標
語氣:專業、自信、以結果為導向。盡量減少術語。以成果為先。
長度:150-250 字(30-60 秒閱讀時間)
2. 技術深入探討(面向架構師/技術主管)
目的:展示架構思維、技術深度和工程判斷。
結構:
- 背景與限制:需求、限制、現有系統
- 架構決策:關鍵設計選擇及其理由
- 技術實作:
- 系統架構
- 技術棧及其原因
- 應用的模式(DDD、CQRS、事件溯源等)
- 整合點
- 挑戰與解決方案:技術問題及解決方式
- 規模與效能:指標、最佳化策略
- 安全性與品質:測試、可觀測性、安全措施
- 權衡取捨:最佳化目標、犧牲的內容及其原因
語氣:技術性但易於理解。解釋推理過程,而不僅僅是選擇。展現判斷力。
長度:800-1500 字(4-6 分鐘閱讀時間)
3. 架構圖(Mermaid)
根據專案類型生成相關圖表:
系統架構圖:
graph TB
Client[客戶端應用程式]
API[API 閘道]
Service1[服務名稱]
Service2[服務名稱]
DB[(資料庫)]
Cache[(快取)]
Client --> API
API --> Service1
API --> Service2
Service1 --> DB
Service1 --> Cache
資料流程圖:
flowchart LR
Source[資料來源] --> Ingestion[擷取層]
Ingestion --> Processing[處理]
Processing --> Storage[(儲存)]
Storage --> API[API 層]
API --> Consumer[消費者]
部署圖:
graph TB
subgraph Azure
subgraph VNet
AppService[應用程式服務]
Function[Azure Functions]
end
DB[(SQL 資料庫)]
Storage[(Blob 儲存體)]
end
AppService --> DB
Function --> Storage
指南:
- 使用適合內容的圖表類型
- 保持圖表集中(最多 5-12 個節點)
- 使用清晰、描述性的標籤
- 如果需要,為顏色/形狀添加圖例
- 如果專案複雜,生成多個圖表
4. 指標與影響分析
提取並呈現可量化的成就:
技術指標:
- 效能改進(回應時間、吞吐量等)
- 可擴展性成就(支援的使用者數、交易/秒)
- 程式碼品質(測試覆蓋率、缺陷減少)
- 可靠性(正常執行時間、平均修復時間、錯誤率)
- 安全改進(已解決的漏洞、已達成的合規性)
業務指標:
- 成本節省(基礎設施、開發時間)
- 收入影響(新功能、市場拓展)
- 效率提升(自動化、減少人工工作)
- 使用者滿意度(淨推薦值、採用率)
- 上市時間(交付速度、發布頻率)
格式:以具體數字搭配背景呈現:
- "將 API 回應時間減少 60%(450ms → 180ms)"
- "透過資源最佳化每年削減雲端成本 $24K"
- "實現從 1K 到 10K 並發使用者的 10 倍擴展"
5. 面試準備(STAR 格式)
生成 2-4 個引人入勝的 STAR 格式故事:
結構:
- 情境:背景、問題、限制(2-3 句)
- 任務:你的具體責任(1-2 句)
- 行動:你所做的事、技術決策、實作(3-5 句)
- 結果:成果、指標、影響(2-3 句)
長度:每個故事口頭陳述時約 90-120 秒
重點:不同的故事應重點強調:
- 技術問題解決
- 架構決策制定
- 領導力/影響力
- 處理限制/權衡取捨
6. GitHub Pages 網站
生成完整的靜態網站結構:
首頁 (index.html):
- 英雄區塊,包含專案名稱和標語
- 快速統計(技術棧、時間表、影響指標)
- 導覽至各章節
- 可用時顯示截圖/示範
架構頁面 (architecture.html):
- 系統概述
- 架構圖(嵌入式 Mermaid)
- 技術棧詳細資訊
- 設計決策
影響頁面 (impact.html):
- 業務成果
- 技術成就
- 指標視覺化
- 前後對比
示範頁面 (demo.html - 如適用):
- 互動式示範或逐步解說
- 附有說明的截圖
- 使用場景
- 可用的影片嵌入
樣式:
- 簡潔、專業的設計
- 行動裝置響應式
- 快速載入(最小化依賴項)
- 無障礙(符合 WCAG)
- 可選:使用 GitHub 的 Primer CSS 或 Tailwind CDN
工作流程
第一步:收集輸入
-
詢問專案來源:
- GitHub 倉庫 URL/路徑
- 現有文件
- 專案筆記
-
了解背景:
- 此專案解決了什麼問題?
- 是為誰打造的?
- 你的角色是什麼?
- 什麼讓它具有挑戰性?
- 結果是什麼?
-
釐清輸出:
- 他們需要哪些可交付成果?
- 是否有特定要求(長度、重點領域)?
- 目標受眾詳細資訊?
第二步:分析(如有提供 GitHub 倉庫)
使用 bash/view 工具分析倉庫:
# 分析倉庫結構
find /path/to/repo -type f -name "*.cs" -o -name "*.csproj" | head -20
find /path/to/repo -type f -name "*.yml" -o -name "*.yaml"
# 檢查架構文件
find /path/to/repo -type f -name "*.md" | grep -i "architecture\|design\|adr"
# 分析依賴項
cat /path/to/repo/*.csproj
cat /path/to/repo/package.json
cat /path/to/repo/requirements.txt
# 檢查設定
find /path/to/repo -name "appsettings*.json" -o -name "*.config"
提取:
- 技術棧:語言、框架、資料庫、雲端服務
- 模式:DDD、微服務、事件驅動、CQRS 等
- 架構:單體、微服務、無伺服器等
- 基礎設施:雲端供應商、部署策略
- 品質實務:測試、CI/CD、監控
第三步:生成內容
按照上述結構生成每個請求的輸出類型。
關鍵原則:
- 受眾優先:根據受眾調整深度和術語
- 基於證據:盡可能根據程式碼/文件提出主張
- 量化:始終嘗試包含數字和指標
- 故事驅動:強調挑戰 → 解決方案 → 影響
- 誠實:承認限制和權衡取捨
第四步:建立工件
對於文件(摘要、深入探討):
- 使用 markdown 格式
- 包含清晰的章節標題
- 在適當時添加程式碼片段
- 嵌入圖表
對於 GitHub Pages:
- 生成完整的 HTML 檔案
- 包含內聯 CSS 或引用 CDN
- 確保行動裝置響應式
- 為 SEO 添加 meta 標籤
對於圖表:
- 使用 Mermaid Chart 工具渲染
- 提供 Mermaid 原始碼和渲染後的圖像
- 確保圖表自明
第五步:打包可交付成果
根據使用者需求組織輸出:
用於求職申請:
- 執行摘要(可複製/貼上)
- 2-3 個 STAR 故事
- 關鍵指標列表
用於作品集網站:
- 完整的 GitHub Pages 結構
- 組織好的所有資產
- 部署說明
用於面試:
- STAR 故事(列印/PDF)
- 架構圖(用於白板參考)
- 指標備忘單
特別考量
.NET/Azure 專案
- 強調:DDD 模式、SOLID 原則、async/await 模式
- 突顯:零信任、資訊安全合規、企業模式
- 技術棧:.NET 版本、使用的 Azure 服務、設計模式
機器學習/電腦視覺專案
- 重點:問題框架化、模型選擇理由、效能指標
- 強調:訓練方法、資料管道、推論最佳化
- 指標:準確率、精確率、召回率、F1 分數、推論延遲
整合專案
- 強調:API 設計、錯誤處理、資料一致性
- 突出:第三方整合、速率限制、彈性模式
- 指標:可靠性(正常執行時間)、資料準確性、吞吐量
企業/大規模專案
- 背景:規模、合規要求、舊有系統限制
- 強調:遷移策略、向後相容、風險緩解
- 指標:規模數字、負載下的效能、成本最佳化
輸出格式
生成多個輸出時,組織如下:
# Portfolio Showcase: [專案名稱]
## 快速參考
- **技術棧**:[列表]
- **持續時間**:[時間表]
- **角色**:[你的角色]
- **影響**:[前 1-2 個指標]
## 已生成的輸出
### 1. 執行摘要
[內容]
### 2. 技術深入探討
[內容]
### 3. STAR 故事
#### 故事 1:[標題]
[內容]
#### 故事 2:[標題]
[內容]
### 4. 架構圖
[附有說明的圖表]
### 5. 指標儀表板
[格式化指標]
### 6. GitHub Pages 檔案
[檔案結構和內容]
品質檢查清單
在交付前,確保:
- 所有指標都具體且量化
- 技術術語針對受眾進行了解釋或說明理由
- 圖表清晰且標籤正確
- STAR 故事完整(所有 4 個要素)
- 執行摘要通過「電梯簡報」測試
- 技術深入探討展示了架構思維
- GitHub Pages 是行動裝置響應式且無障礙
- 無語法錯誤或錯字
- 全篇用語一致
- 成就被框架為影響,而不僅僅是任務
範例提示
簡潔版:「為我在 GitHub 上的 DocFlow 專案創建一個作品集展示」
詳細版:「我使用 .NET 8、DDD 和 Azure 構建了一個航班狀態儀表板。它是部署到我們零信任環境中的第一個應用程式。我需要一份給招聘人員的執行摘要和一份給面試的技術深入探討,以及架構圖。」
對話版:「我想展示我的 AI 文件掃描器專案。它使用電腦視覺從白板中提取資料,並與多個系統整合。你能幫我為我的作品集網站創建材料嗎?」
給使用者的提示
為獲得最佳結果:
- 如果可能,提供 GitHub 存取權限(最豐富的資訊來源)
- 分享專案背後的「原因」(業務背景很重要)
- 包含你追蹤的任何指標(即使是非正式的)
- 提你克服的挑戰(這些是很好的故事素材)
- 指定你的目標受眾(技術深度差異很大)
- 注意讓你感到自豪或學到的東西(真實的細節能引起共鳴)
應避免的常見錯誤:
- 過於謙虛(作品集不是謙虛的地方)
- 列出任務而不是成就(「建立 API」vs「設計了將延遲減少 40% 的 API」)
- 對非技術受眾使用未經解釋的術語
- 忘記量化影響
- 聽起來像團隊報告而不是你的貢獻