AI 工程作品集应该展示什么证据

一个有说服力的 AI 工程作品集，不是同类 Demo 的堆叠，而是不同类型证据的组合。

Agent 证明流程设计，RAG 证明评估能力，私有全栈证明交付能力，开源工具证明生态和维护能力。

笔记模块不是单独的博客栏目，而是作品集的解释层。

它负责把为什么这样做、为什么不那样做、哪些证据最重要说清楚。

笔记、首页项目和 case study 不应该各说各话。

它们应该互相指向同一批项目证据，让读者从不同视角确认同一个工程判断。

这意味着内容规划不能随便选题。每篇笔记最好都能对应一个项目，或者解释多个项目背后的共性方法。否则笔记会变成泛技术博客，削弱作品集的主线。

招聘方看作品集时，不只是在看标题。他们会问仓库能不能打开、README 能不能跑、指标有没有定义、私有项目有没有可信边界。

所以作品集证据需要分层：公开仓库提供代码证据，case study 提供过程证据，笔记提供判断证据，路线图提供持续推进证据。

这些证据互相补强，才会比单个炫技 Demo 更可信。

项目数量不是越多越好。没有解释的项目越多，读者越难判断重点。

我更倾向保留少量但类型互补的项目，再用笔记把设计取舍讲清楚。这样作品集看起来更像工程档案，而不是链接集合。

AI 工程作品集的核心问题不是“我会什么技术名词”，而是“我怎么把不稳定的 AI 能力放进可交付流程里”。