谁都能做出来，那作品集还证明什么

两周，8 个项目。你把它们一个个塞进作品集页面，每个都配了截图，每个都能点进去跑。落地页、AI 笔记工具、数据看板、一个小游戏，技术栈写得满满当当。你看着这一排东西，挺有成就感，觉得这下总该有人理我了。

投出去三十多份。回你的有两家，都是群发的婉拒模板。剩下的，已读不回，或者连已读都没有。

你不太服气，跑去翻几个收到 offer 的同行的作品集，想看看人家强在哪。翻完更迷糊了——人家的项目，跟你的长得几乎一模一样。一样的卡片布局，一样的 hover 动效，一样干净的配色，连项目类型都撞，也是落地页、也是 AI 工具、也是看板。你甚至觉得自己有几个做得还更细。

那为什么是他，不是你。

你盯着屏幕又看了一会儿，一个更让你发凉的念头冒出来：这些项目，他能两周做 8 个，我能，再来一个完全不懂代码的人，打开 Lovable 聊一晚上，明天也能交出 8 个。

如果谁都能做出来，那做出来这件事，到底还证明了什么。

你做的项目太”够好”了

问题不在于它们不够好，恰恰在于它们太够好了。够好到任何人都能做出来。

2025 年初，Andrej Karpathy 发了一条推说他在 vibe coding，凭感觉跟 AI 聊天就把软件写出来了。当时大家把这当成一个段子。到那年 11 月，Collins 词典把 vibe coding 选成了年度词。中间不到一年，描述一个应用和拥有一个应用之间的那道墙就塌了。一个完全不会写代码的人，打开 Lovable 或者 Bolt，用大白话描述”我要一个带登录、带支付、带后台的待办应用”，几分钟后就能看到一个能跑、能部署、能分享链接的成品。

这件事对作品集意味着什么，很多人还没回过神来。

作品集这个东西的全部逻辑，建立在一个隐含前提上：做出一个像样的成品是有门槛的，所以你能做出来本身就证明了点什么。设计师的 Dribbble、开发者的 GitHub、独立产品人的 demo 列表，筛的都是这个——你有没有那个手艺，把脑子里的东西变成屏幕上能用的东西。

这个前提在 2026 年基本不成立了。

成品质量被 AI 拉平到了一条均值线上。以前一个落地页做得干净、动效顺滑、配色舒服，能说明你有审美有技术，现在这些是 v0 的默认输出。以前一个全栈 demo 能跑通登录注册和数据库，能说明你懂工程，现在这是 Cursor 一个下午的活儿。当所有人都能稳定产出 B+ 的成品，B+ 这个等级本身就不再区分人了。它从信号退化成了背景噪音。

更麻烦的是，这种均值化是有味道的，就像 AI 写的简历。2025 年 6 月《纽约时报》采访了一批招聘负责人，他们的原话是，收到的简历看起来都疑似雷同，多到他们已经分不清谁是真的合格、谁是真的想来。Resume-Now 那年 3 月对 925 名 HR 做过一个调查，62% 的雇主说他们会直接拒掉一眼能看出是 AI 生成的简历。被拒的理由不是写得差，是写得太像别人。

作品集正在走简历走过的同一条路。当一万个人用同一批工具、同一套默认模板产出作品，每个作品的边际信息量趋近于零。招聘方翻你的作品集，翻到第三个项目就开始划走，因为他知道接下来的五个大概率也长这样，也确实是这样。

你两周堆 8 个项目，自以为在加码，其实在稀释。每多一个均值项目，你整个作品集的人均辨识度就被往下拉一点。招聘方不是看不见你的努力，是他们早就默认了那部分努力 AI 能替你做。他们的眼睛已经悄悄移到了别的地方。

五百年来作品集一直在筛同一样东西

要搞清楚他们的眼睛移到哪去了，得先看看作品集这东西到底一直在干嘛。

portfolio 这个词来自意大利语 portafoglio，portare 是携带，foglio 是纸张，合起来就是一个能夹着到处带的纸夹子。最早用它的是画家和建筑师。一个画家去见赞助人，不可能把画室搬过去，他夹一摞画带着，摊在桌上。赞助人翻这摞画，看的不只是你会不会画手、会不会处理光线，更是你画里有没有我想要的那个东西。

从一开始，作品集筛的就不是会不会做，而是做成什么样。会画手在文艺复兴时期是入行的及格线，赞助人默认你会，他在比的是及格线之上的东西。

这条规律在后面五百年里反复出现，每次技术降一道门槛，筛选标准就往上挪一层。

摄影术出现之前，能精确画出一个人长什么样是稀缺技能，肖像画家靠这个吃饭。照相机一普及，画得像这件事瞬间不值钱了，于是画家被逼着往上走，去画照片拍不出的东西，印象派、表现主义就是被挤上去的。能力门槛被机器抹平，人就得退到机器够不着的地方重新站稳。

软件这行把同样的事换了层皮再演一遍。早年你会写 HTML、能让一个网页跑起来，本身就是本事。后来框架、模板、no-code 工具一层层叠上来，做出一个能跑的网站的门槛一路下探。于是 GitHub 火了，光有成品不够了，得让人看你的代码长什么样、提交历史是否健康。Dribbble 和 Behance 火了，光有作品不够了，得看你的视觉语言有没有辨识度。每一次，平台都在帮招聘方把筛选标准往上推一格。

有意思的是，直到 AI 来之前，这套体系其实越来越偏向看成品。2024 年 Stack Overflow 的开发者调查里，73% 的招聘经理说，对开发岗位来说一个强作品集比一份完美简历更重要。这个数字在当时是对的，它默认了做出强作品集这件事本身还有门槛，所以作品集还能当过滤器用。

这句话的保质期，到 vibe coding 成为年度词那天就过期了。机器抹平一道门槛，人就被迫往机器够不着的地方退。照相机抹平了画得像，画家退到了画得有想法。AI 现在抹平了做得出能跑的成品，那作品集要继续有用，它筛的东西就必须再往上挪一层，挪到 AI 还够不着的地方去。

AI 够不着的六个地方

那地方在哪。在 AI 替你生成不出来的东西上。这些东西有个共同点：它们不是成品，是成品背后的痕迹。AI 能在一个下午伪造出一整套作品集，但它伪造不了你十二个月的公开思考。

第一层，判断和取舍的记录。

一个项目最有价值的部分，往往不是它做了什么，而是它没做什么。你做一个待办应用，砍掉了协作功能，为什么？你说我评估过，目标用户是个人重度使用者，加协作会把数据模型复杂度翻三倍，而我观察到他们真正卡住的是任务太多看不过来，所以我把那两周花在了智能排序上。这段话 AI 写不出来，因为它不知道你观察到了什么、纠结过什么、最后赌了哪一边。这就像看一个厨师，菜端上来谁都尝得出好坏，但只有听他讲这道菜我本来要放黄油，试了三次发现压住了山椒的香，最后换成清油，你才知道他是个有判断的厨师，不是个会按菜谱操作的人。成品是菜谱的产物，判断是厨师的产物。

第二层，问题的选择。

AI 能解任何你扔给它的问题，但它不会替你选问题。你的作品集里做的是哪些项目，本身就在暴露你的品味边界。十个人都做了一个 AI 聊天套壳，第十一个人做了一个帮听障朋友把会议实时转写并标注谁在说话的工具，后者哪怕做得糙，信号也强得多，因为选这个问题需要你真的看见过一个具体的人、一个具体的难处。问题的来源是不可规模化的，它来自你的生活，而你的生活只有你有。

第三层，过程留痕。

代码可以是 AI 写的，但 commit 历史很难全程伪装。一个真实的项目，GitHub 上会有断断续续的提交、半夜的 hotfix、fix typo、revert 上一个 revert、改了又改的 README。这些乱糟糟的痕迹反而是真人干过活的证据。你也可以把关键的废稿、几版被否掉的方案、甚至你和 AI 反复掰扯的关键 prompt 放出来。废稿是最好的反 AI 验证，因为 AI 默认只给你最终版，它不会主动留下我先试了这条路发现不通的尸体。你把尸体摆出来，反而证明你走过那条路。

第四层，品味的一致性。

单个漂亮成品不值钱，但一连串作品里贯穿的同一种偏好值钱。如果你的项目都体现出偏好极简、讨厌弹窗、信息密度高的一致取向，这种一致性会浮现成一个人。AI 每次生成都是独立的、无记忆的，它的输出在统计上是均值，而你的偏执是有方向的偏离。招聘方招的不是一个能产出均值的工具，那他直接买 AI 订阅就行，他招的是一个有稳定方向的人。

第五层，真实约束下的交付。

我用周末三天、零预算、在一个我完全不熟的领域做出了能用的第一版，这句话里的约束才是信号。约束是 AI 体会不到的东西。它不知道你只有三天，不知道你没钱买 API 额度所以自己写了个缓存层，不知道你客户中途改了需求你怎么扛下来的。把约束写清楚，成品的含金量会被重新计价。

第六层，可验证的影响力。

一个数字，只要是真的、可查的，就比十张截图管用。上线四个月，387 个真实用户，周留存 41%，或者这篇复盘在 X 上被转了 600 次，下面有两个一线工程师跟我争了三十条。可验证的意思是别人能点进去核实。AI 能编出漂亮数字，但编不出一个真的能被点开、有真人在下面留言的链接。

这六层，没有一层是关于把成品做得更好看的。它们全是关于把成品背后那个做决定的人显影出来。

你在比手艺，他在比可信度

这里有个错位，是大多数人投出去石沉大海的真正原因。

求职者站在自己这边，以为这是一场成品质量的比赛，所以全部精力花在让 demo 更顺滑、截图更好看、项目更多上。他脑子里的画面是，招聘方会被我精致的成品打动。

招聘方站在另一边，看到的是完全不同的一局。他每天翻几十上百份作品集，心里有一个早就装好的默认假设：这些成品，大概率是用 AI 做的。所以当他看你的成品时，他根本不是在评估这个人能不能做出这个，这个问题他已经替你回答了，答案是能，谁都能。他在找别的东西：这个人靠不靠谱，判断行不行，是不是真的干过活。

两边比的不是同一样东西。你在比手艺，他在比可信度。

这个错位在 AI 内容泛滥之后被放大了。2025 年那波 AI 简历海啸，逼着招聘方反过来用 AI 工具筛 AI 简历，Mashable 管这叫衔尾蛇，自己咬自己尾巴。在这种环境里，发生了一件反直觉的事：越是满世界都是 AI 生成的光鲜内容，可验证和有真人痕迹这两样东西的价格越高。

一个能点进去、有 387 个真实用户、评论区有人骂你 bug 的产品，比十个完美但查无此人的 demo 可信。Built In 那篇讲 AI 时代开发者招聘的文章说得直接：一个编码能力中等、但系统设计直觉和可解释性强的候选人，在很多岗位上比一个纯 coder 更值钱。因为纯 coding 那部分公司已经有 AI 了，它缺的是会判断的人。设计圈也在说同一件事，有个做了十几年设计招聘的人写过一句话，大意是你的作品集是表演，你的公开作品才是证据。AI 能在一下午表演出一套漂亮作品集，但它演不出你过去一年在公开场合留下的真实思考。

当然这事不绝对。有一类活儿至今仍然只看成品：外包、快速交付、纯执行的项目。客户要的就是今晚给我一个能用的落地页，他不关心你怎么想的，能跑、好看、便宜、快就行。如果你吃的是这碗饭，堆量、堆成品、堆速度仍然成立，AI 甚至让你更有竞争力。

但如果你想要的是好岗位、好客户、那种别人愿意把判断权交给你的位置，游戏规则已经换了。在那张桌子上，成品是入场券，不是筹码。所有人手里都有入场券。真正下注的是入场之后，你能不能让对面相信，你这个人是替不了的。

别再加项目了

回到你，那个两周做了 8 个项目、投出去没人回的人。

你现在大概率的冲动是再做几个，做得更好看一点。打住。问题从来不在数量，你再做 8 个，还是同一个均值池子里多 8 滴水。你要做的不是加项目，是给已有的项目补一层判断层。

挑出你那 8 个里最舍不得删的 3 个，剩下 5 个直接拿掉。少而真，胜过多而平。然后给留下的每一个，回答四个问题，把答案写进去。

我为什么做这个，而不是做别的。如果答案是教程让我做的，或者看到别人做火了，那这个项目大概也该删。留下那些你能说出一个具体来由的，你遇到过的一个具体的人、一个你自己真的会用的东西。

我砍掉了什么，为什么砍。把你做这个项目时放弃的功能、否掉的方案、走过的弯路写出来，尤其是弯路。我第一版用了 A，上线后发现用户根本不点，三周后我推翻重做成 B，这种话比任何成功描述都值钱，因为它证明你在真实地做判断，而不是一次成型地表演。

有没有一个真的、能查的数字或痕迹。有真实用户就写真实用户数，有公开讨论就贴链接，有 commit 历史就让人能翻。哪怕数字很小，23 个用户其中 4 个还在用，也比行业领先的体验强一万倍，因为前者能被点开核实，后者一看就是话术。

这 3 个项目放一起，能不能看出我是个什么样的人。如果看不出，说明你的品味还没显影。想一想你做东西时反复出现的那个偏好，你是不是总在删功能、总在跟弹窗过不去、总想把响应做得更快，把它点破，让翻你作品集的人在第三个项目结束时心里浮现出一个有方向的人，而不是一台均值产出机。

做完这四步，再做一件最反 AI 的事：开始公开地写。不用写长，不用写得漂亮。把你做这些项目时真实的纠结、踩的坑、改主意的瞬间，断断续续地写出来发出去。AI 能在一下午仿造一套作品集，仿造不了你持续一年的公开痕迹。一年以后，这些痕迹本身会变成你最硬的那部分作品集，硬到没有任何人、任何模型能复制。

成品现在是入场券，人人都有。

你手里真正能押的筹码，是那个做决定的你。你那 8 个项目没人回，不是因为它们不够好看，是因为它们好看得跟所有人一样，而那个唯一不一样的你，被你自己藏在了截图后面。

把他放到最前面来。