文 / STEM Career 编辑部
“我做了一个 AI 助手”很容易成为项目介绍的第一句,也很容易在下一句停住:它帮谁完成什么,为什么需要它,哪些部分由你实现,以及出了错怎样发现?当作品只有聊天界面时,这些问题往往比再换一个模型更值得补。
本文用原创会议待办工具,把一个演示升级成能被检查的求职项目。目标是形成真实的实现与使用证据,不要求学生项目假装成企业级生产系统。
先选一个人和一项任务
教学场景是一名学生组织协调员,每次会议后需要整理待办,再请参与者确认负责人和日期。输入是获得同意后使用的教学会议文本,输出是待办草稿,最终由人确认。
第一版不需要录音、多人权限、自动发信和复杂协作平台。先把“从文本得到可核对草稿”做完整,再决定哪些功能能解决真实问题。范围越明确,越容易说明个人贡献。
你可以写一句项目目标:“帮助协调员从会议文本定位行动项,并在人工确认后保存待办。”这句话同时指出使用者、动作和确认边界,也能指导后面的测试。
把输出定义成可以检查的结构
一条待办至少包括任务内容、负责人、日期、对应原文和待确认项。文本没有说清负责人的时候,输出应保留未知,不能随意从参会名单里选一个人。
{
"task": "整理活动场地备选清单",
"owner": null,
"due_date": null,
"source_excerpt": "我们下次先看看还有哪些场地",
"needs_confirmation": ["负责人", "截止日期"]
}
这是教学输出示例。字段名称可以变化,但需要解释每个字段来自哪里,未知值如何显示,以及用户确认后保存什么版本。界面美观不能替代这些可核对关系。
让运行过程可复现
陌生人需要知道安装步骤、输入样例、环境变量名称和预期结果。凭据用占位说明,不放入仓库;测试数据单独保存,避免示例运行必须接触真实会议或公司材料。
如果使用外部模型,记录调用日期、所用配置与运行限制。别人得到略有差异的文字并不一定是失败,关键是任务、负责人和待确认项是否满足预设条件。
项目展示可以接着参考GitHub README 与个人贡献整理。让评审能从概览进入实现和检查结果,不需要先阅读全部源码。
给使用者保留确认与修改
模型提出的草稿应允许用户编辑和删除。确认前,待办保持草稿;确认后,再记录用户采用的内容。原始建议、人工修改和最终保存可以分别观察,但不收集超出任务需要的私人信息。
例如模型识别出三条行动项,用户删除一条讨论意见、补充两位负责人。此时不能把三条原始输出全部算成正确,也不能因为最后保存了两条就声称系统准确率达到某个比例。需要先定义评价对象。
Anthropic 的 Agent 工作流文章可以帮助比较不同复杂度的实现。选择固定步骤或更多自主决策时,都要说明对当前任务有什么实际帮助。
一张最小验收表
| 输入情境 | 合理结果 | 检查方法 |
|---|---|---|
| 明确负责人和日期 | 提取并链接依据 | 与教学标注对照 |
| 只有讨论,没有行动 | 不强行生成待办 | 检查草稿为空或解释 |
| 负责人不明 | 标记待确认 | 检查未知字段 |
| 日期有冲突 | 请用户确认 | 保留对应原文 |
| 用户修改草稿 | 保存确认后的版本 | 查询最终记录 |
| 重复点击确认 | 不新增重复任务 | 比较操作前后状态 |
先运行这些情境,再观察文字表达。一次演示只展示顺畅路径,无法说明应用怎样应对常见变化。评审也更容易围绕边界情境判断你的工程理解。
小规模试用要记录什么
邀请愿意参与的同学使用教学文本,观察他们能否找到原文、理解未知字段和完成确认。记录任务完成情况及具体困惑,不必收集身份、联系方式或未经许可的真实会议内容。
比如三位使用者中有两位没有发现“待确认日期”,你可以把提示移到任务旁,再重复观察。这是一个有依据的设计变化。样本很小,结论应限制在观察范围,不延伸为普遍效率提升。
若没有真实试用条件,也可以进行结构化同伴检查。明确写模拟检查,保留测试脚本和结果,不把同学帮助检查称为付费客户采用。
记录一次失败比堆功能更有价值
选择一次模型把建议误认为行动项的案例。保存输入、输出、预期行为和修正办法。你可能调整输入分段、增加依据检查,或让不确定内容进入人工确认,而不是一味加长提示词。
修正后,把旧样本和一组新样本一起运行。旧题变好但其他输入变差,说明方案还需要调整。面试时展示这个过程,能够说明你对迭代与回归的理解。
如果涉及多个工具,还应解释哪一步失败后可以继续,哪一步必须停止。外部写入、状态确认与重试的细节可进一步参考Agent 工程能力准备。
用证据写简历与演示
可以按“为谁做、本人负责、关键改变、怎样检查”组织项目描述。若结果只是完成了教学样本验证,就写清样本范围;没有统计过时间,就不要填一个漂亮节省比例。
一个可信表述是:“负责会议行动项草稿模块,设计原文定位与待确认字段;实现人工编辑后保存,并检查日期冲突和重复确认情境。”随后准备对应代码和运行记录,保证每个动词都能展开。
LangChain 的交付工程岗位可作为理解作品与实际职责之间距离的资料。学生项目仍需要说明规模、环境与经验边界,不能因为使用类似技术就认定完成了同等级生产交付。
面试前做一次需求变更
请同伴提出一个新条件:“同一人可能有中文名和英文名。”你先确认是否有可靠映射,再决定采用显示名、唯一标识或人工选择。没有足够信息时,明确保留待确认状态。
接着解释变更影响哪些地方:提取、用户界面、保存结构和旧样本。能够在小变化中维护一致性,比提前准备一张功能很多的架构图更能反映掌握程度。
比较改动前后 先保留同一任务
假设第一版常把讨论意见写成待办,你增加原文定位和待确认字段。比较时保留同样输入与判断条件,分别记录行动项是否正确、未知信息是否被标出,以及使用者是否更容易复核。不要同时更换全部数据、模型和评分办法,再把结果变化都归于一个界面改动。
如果没有足够样本作稳定比较,可以展示几个代表性前后案例,并说明观察范围。一个失败被修复,能证明该情境改善;还需要新的任务检查它是否引入其他问题。这样的记录本身就适合作为项目深挖材料。
让项目准备服务于目标岗位
如果作品已经能运行,但简历和面试仍像在介绍工具功能,可以加微信说明目标岗位、已实现部分和最难回答的追问。还没有完整作品,也可以先沟通项目范围。
通过项目与面试辅导,先比较 JD 需要的能力,再选择补实现、验收、个人贡献还是表达。你要交付的是招聘方能够检查的能力证据,而不只是又一个看起来流畅的聊天 Demo。
常见问题(FAQ)
学生项目必须有生产用户吗?
不必,但应准确区分教学验证、同伴试用与真实生产使用。
AI项目最先补什么?
先确认用户、任务、输出与验收,再安排功能。
没有效率数字怎么写简历?
用真实实现、检查范围和个人贡献说明,不虚构收益。
- Anthropic 的 Agent 工作流文章· Anthropic
- LangChain 的交付工程岗位· LangChain
做过 AI 项目,但简历和技术面试仍像在介绍工具功能,可以加微信说一下目标岗位和已实现部分,先讨论该补哪一项可验证成果。
