AI 项目证据链与作品集模板¶
适用对象：AI 算法岗、AI 工程岗、LLM/Agent 岗、AI 系统岗求职者
核心目标：把“我做过项目”升级成“我有一套能被面试官和招聘经理验证的证据”。
为什么这章很重要¶
AI Coding 越强，越多候选人都能在短时间内做出一个“看起来能跑”的 Demo。
真正拉开差距的，不再是“有没有项目页面”，而是下面这些东西你有没有：
- 清晰的问题定义
- 对照基线
- 可解释的指标
- 真实的压测与成本
- 失败案例与修复过程
- 稳定的系统设计
- 能在 3 分钟和 15 分钟两种粒度下讲清楚
如果缺这些，项目很容易被面试官判断为：
- 只是拼装；
- 只是调用现成 API ；
- 没有深入理解；
- 无法证明真实贡献。
一、什么叫“项目证据链”¶
项目证据链 = 一组相互支撑的材料，用来证明以下 5 件事：
- 这个问题是真实且值得解决的。
- 你知道正确的评估方式，而不是只看“能跑”。
- 你做过关键技术决策，并理解 trade-off 。
- 你能把系统做得稳定、可测、可解释。
- 这个项目能转化成简历、面试、实习和 offer 谈判中的硬证据。
二、每个高质量项目至少要交付什么¶
这一节列的不是“加分项”，而是高质量项目最少要能拿出来的证据底线。
2.1 一页项目摘要¶
必须包含：
- 项目名称
- 场景与目标用户
- 核心问题
- 技术栈
- 最关键的 3 个指标
- 你的具体职责
- 最终结果
推荐格式：
Text Only
项目：企业知识库 RAG 问答系统
场景：面向内部技术文档检索与问答
问题：原系统回答准确率低、延迟高、无法追溯来源
技术：BGE-M3 + 混合检索 + Reranker + Qwen + FastAPI + Redis
指标：Recall@5 / Faithfulness / P99 延迟
职责：负责检索链路、评测脚本、服务部署与缓存策略
结果：Recall@5 从 0.71 提升到 0.90；Faithfulness 从 0.62 提升到 0.87；P99 从 5.4s 降到 2.1s
2.2 架构图¶
至少画出：
- 用户请求入口
- 检索/模型/缓存/数据库/日志/监控
- 异常路径
- 发布与回滚点
面试时你能否 90 秒内讲清架构图，基本决定项目深挖时的第一印象。
2.3 评测设计¶
至少回答 4 个问题：
- 你怎么定义“效果变好了”？
- 你的 baseline 是什么？
- 离线评测和在线评测分别看什么？
- 你如何避免自己骗自己？
推荐表格：
| 维度 | 指标 | Baseline | 新方案 | 说明 |
|---|---|---|---|---|
| 检索 | Recall@5 | 0.71 | 0.90 | 是否召回正确文档 |
| 生成 | Faithfulness | 0.62 | 0.87 | 是否忠于上下文 |
| 性能 | P99 延迟 | 5.4s | 2.1s | 高峰时延 |
| 成本 | 单次请求成本 | 0.18 元 | 0.06 元 | 路由/缓存后下降 |
2.4 失败案例与边界条件¶
每个项目至少保留 3 类失败样例：
- 错召回 / 漏召回
- 幻觉 / 错工具调用
- 延迟抖动 / 超时 / 并发退化
面试官最爱问的不是“你会什么”，而是“你踩过什么坑”。
2.5 成本与资源¶
至少写清：
- 模型或服务调用成本
- GPU / CPU / 内存需求
- 缓存命中前后成本差异
- 高并发时瓶颈在哪
如果你完全说不清成本，说明项目大概率还停留在 Demo 层。
2.6 稳定性与上线策略¶
至少要有：
- SLI / SLO
- 告警条件
- 灰度发布
- 回滚方案
- 事故后的排查路径
三、面试官真正会拿什么来判断你¶
| 面试官关心什么 | 你要给什么证据 |
|---|---|
| 你是不是只是调 API | 基线对比、架构图、评测脚本 |
| 你是不是真的做了核心部分 | 职责拆分、关键设计决策、代码/文档链接 |
| 你有没有工程意识 | 日志、监控、缓存、异常处理、回滚 |
| 你有没有系统思维 | 吞吐、延迟、成本、扩展性 trade-off |
| 你是不是会复盘 | 失败案例、瓶颈分析、下一步优化 |
四、推荐你固定沉淀的 8 个项目材料¶
- 项目一页摘要
- 架构图
- 指标对比表
- 压测或 benchmark 结果
- 失败案例表
- 成本估算表
- Git 仓库或站内文档链接
- 3 分钟版 / 15 分钟版讲解稿
五、可直接套用的模板¶
下面这些模板的目标是让你少花时间想格式，多花时间补真实内容和量化结果。
5.1 项目一页摘要模板¶
Markdown
## 项目名称
- 场景：
- 用户：
- 核心问题：
- 方案概述：
- 我的职责：
- 技术栈：
- 指标：
- 离线：
- 在线：
- 性能：
- 成本：
- 最终结果：
- 最大失败案例：
- 下一步优化：
5.2 技术决策模板¶
Markdown
## 关键技术决策
### 决策 1：为什么选 X 而不是 Y
- 备选方案：
- 评估维度：效果 / 延迟 / 成本 / 复杂度 / 可维护性
- 最终选择：
- 原因：
- 代价：
### 决策 2：上线前如何验证
- 离线评测：
- 人工抽检：
- 压测：
- 灰度策略：
- 回滚条件：
5.3 失败案例模板¶
六、适合你优先做成“作品集级别”的 3 类项目¶
不是所有项目都值得深包，优先把最能体现岗位密度和工程深度的三类项目做成标准资产。
6.1 RAG / Agent 项目¶
最低要求不是“能回答问题”，而是：
- 有检索指标
- 有事实性评估
- 有缓存/成本优化
- 有异常与安全防护
推荐参考：
6.2 AI 系统 / 推理服务项目¶
最低要求：
- 有吞吐与延迟指标
- 有并发测试
- 有模型路由或缓存策略
- 有资源与成本测算
推荐参考：
6.3 端侧 AI / 多模态 / 3D 视觉项目¶
仅当你明确冲大疆/影石时提高优先级。
一旦做，就不要只做“论文复现截图”，而要给出：
- 数据来源
- 精度或质量指标
- 推理速度
- 部署环境
- 实际场景价值
推荐参考：
七、如何把这个站点本身变成你的作品集资产¶
你已经有一个巨大的优势：yz520gzy.top 本身就是作品集基础设施。
正确用法不是只把它当“笔记网站”，而是把它升级成：
- 项目说明书库
- 技术复盘库
- benchmark 报告库
- 求职材料支撑库
建议每个重点项目都在站内保留：
- 一篇项目总览
- 一篇评测与 benchmark 文档
- 一篇故障或 bad case 复盘
- 一页对外展示摘要
八、自检清单¶
- 我能用 30 秒说清项目做什么
- 我能用 3 分钟说清系统结构和结果
- 我能用 15 分钟讲清关键权衡、失败案例和优化过程
- 我有至少 1 个明确 baseline
- 我知道项目最贵的资源消耗在哪里
- 我能解释为什么我的结果可信
- 我能说出如果线上出问题该怎么回滚
九、结论¶
2028 年高质量 AI 岗位不会被“谁更会写提示词”决定，而会被“谁更能证明自己做出了真实价值”决定。
项目证据链的作用，就是把你的学习、研究、工程和求职叙事连接起来。