how-to 才是 AI 时代的作品集

这篇文章，我想把它当成一个系列的起点。

不是为了介绍一个工具，也不是为了讲一套新的 prompt 技巧。

我想先回答一个问题：

AI 时代，一个人到底该怎么展示自己？

以前我们说作品集，通常是在展示结果。

你写过什么文章。

你做过什么项目。

你设计过什么页面。

你剪过什么视频。

你把成品摆出来，别人通过成品判断你是谁。

但 AI 出来以后，这件事开始变复杂了。

不是结果不重要了。

而是结果越来越容易被生成、被包装、被工具拼出来。

一篇文章、一张图、一个 demo、一个页面，当然还需要看。

但只看最终结果，已经越来越难判断一个人到底做了什么。

他做了什么判断？

他怎么拆问题？

他哪里用了 AI？

他哪里没有交给 AI？

他怎么处理失败？

他最后沉淀了什么方法？

这些东西，开始变得更关键。

所以我现在越来越觉得：

AI 时代的作品集，不能只放“我做出了什么”。

它还要展示“我是怎么做出来的”。

这就是我想说的：

how-to 才是 AI 时代的作品集。

这个判断，是被一个 GitHub 项目戳出来的

最近 GitHub 上有一个项目很火，叫 mattpocock/skills。

我打开看的时候，它已经有 5 万多 star。仓库介绍也很直接：Skills For Real Engineers。

它不是传统意义上的代码库。

里面不是一个完整产品，也不是复杂工程实现，而是一组给 Claude Code / AI coding agent 用的 Markdown 指令和工作流。

如果放在几年前，这种东西可能不会被很多人当成作品。

程序员圈里更认一句话：

Show me your code.

少讲概念，把代码拿出来。

但现在，一个新的问题冒出来了：

是不是也该开始看：

Show me your prompt.

这个变化很有意思。它说明 prompt、rules、skills、workflow 这些东西，正在变成新的能力展示物。

但我觉得，只说到这里还不够。

因为 prompt 本身并不是能力。

它更像一个压缩包。

里面压缩的是一个人过去的经验、判断、失败、取舍和流程。

如果没有这些东西，prompt 就只是一段看起来很专业的文字。

所以我现在看到别人分享 prompt，关心的不是“这句话怎么写”。

我更关心：

这段 prompt 在你的实践里，到底承担了什么角色？

它解决过什么问题？

它前面接什么输入？

它后面产出什么结果？

它失败过吗？

你怎么改的？

它最后帮你稳定做成了什么？

这些问题能回答出来，它才开始接近一个 how-to。

how-to 不是教程

这里要先讲清楚一个边界。

我说的 how-to，不是那种浅教程。

不是“第一步打开某个工具，第二步复制这句话，第三步等待生成结果”。

这种教程当然有用，但它太容易被复制，也太容易失效。

工具一更新，按钮一变，模型一换，教程可能就废了。

我说的 how-to，是一条跑通过的实践路径。

它至少包含四层东西。

第一层，是你怎么判断问题。

不是一上来就问 AI，而是先判断这件事值不值得做，应该做到什么程度，哪些事实不能乱写，哪些地方需要补证据。

第二层，是你怎么拆步骤。

从输入到输出，中间到底有哪些阶段，每个阶段应该留下什么产物，什么时候该进入下一步，什么时候需要停下来。

第三层，是你怎么处理失败。

AI 跑偏了怎么办？

事实不确定怎么办？

结果太空怎么办？

语气不像自己怎么办？

素材不够怎么办？

第四层，是你怎么复用经验。

这次跑通之后，哪些东西可以沉淀成模板，哪些应该写成规则，哪些能变成 skill，哪些只是一时有效的小技巧。

这四层加起来，才接近一个人的真实能力。

prompt 只能说明你问了什么。

how-to 才能说明你真的做成过什么。

我为什么想做自己的 AI 时代作品集

我以前也收藏过很多 prompt。

看到别人分享“万能提示词”“Cursor rules”“Claude Code skills”，第一反应就是先存下来。

那时候会有一种错觉：

只要我拿到了高手的 prompt，我就能接近高手的结果。

后来用多了就发现，不是这样。

同一段 prompt，在不同人手里，结果差距会很大。

有的人拿到之后，能稳定跑出一个完整流程。

有的人拿到之后，只能跑出一堆看起来很完整、但根本不能落地的废稿。

差别往往不在那几百字。

差别在那几百字背后有没有真实任务、标准、失败和修正。

比如一段 prompt 写着：

“请你帮我做内容选题分析。”

这句话本身没有多大价值。

有价值的是：

你怎么判断一个选题值不值得写？

你看哪些信号？

你怎么区分热点、素材、观点和正文？

你怎么判断这条内容适合小红书，还是适合公众号？

你怎么处理事实不确定的部分？

你怎么决定一篇稿子什么时候只是初稿，什么时候可以进入正式稿？

这些问题回答不出来，那 prompt 再漂亮也没用。

我做 max-ipo 之后，对这件事感受特别明显。

它看起来也可以被简化成一堆提示词：

帮我分析热点。

帮我生成选题。

帮我写初稿。

帮我审校。

帮我适配公众号。

但如果真的只是这样用 AI，这套系统其实没有多大意义。

因为任何人都可以问这些问题。

有价值的是后面的流程。

一条素材进来，我不会直接让 AI 写正文。

我会先判断它是什么。

它是热点？灵感？爆款拆解？旧文翻新？还是一个值得长期观察的项目？

如果只是素材，它先进入 I 层。

它还不是文章。

只有当我确定它值得生产，才会进入 P 层，变成初稿。

初稿也不是正式稿。

它还要经过事实检查、结构调整、风格审校、配图准备和质量门。

通过之后，才进入正式稿。

再往后，公众号、小红书、视频号，又是不同的平台适配。

发完也没有结束，还要回到数据监控和复盘。

说白了，这套系统重要的不是某一句 prompt。

而是它把“从一个想法到一篇内容”的过程拆开了。

每一步都有身份。

每一步都有边界。

每一步都有产物。

每一步都能复盘。

这是我想展示的东西。

不是“看，我会用 AI 写文章”。

而是：

看，我怎么把 AI 放进真实任务里，持续做出东西。

作品集不应该只是成品陈列柜

我以前对作品集的理解比较简单：

把好东西挑出来，摆在一起。

文章、项目、截图、链接、数据。

这些当然需要。

但如果 AI 时代的作品集只剩下成品陈列，我觉得它会越来越薄。

因为别人很难看见你到底参与了什么。

他只能看到最后那个结果。

而结果本身，正在变得越来越容易被模型生成、被模板包装、被工具拼出来。

所以我想做的作品集，不能只是“我做过什么”。

它还要回答：

我是怎么做的？

我为什么这么做？

中间用了什么工具？

哪些判断是 AI 做不了的？

哪里失败过？

失败之后怎么改？

这次经验最后沉淀成了什么？

换句话说，我想展示的不只是作品，而是作品背后的实践路径。

这也是我为什么想把这件事拆成两个任务。

第一个任务，是写文章。

先把这个观点讲清楚：

how-to 才是 AI 时代的作品集。

第二个任务，是做作品集。

不是立刻包装一个很漂亮的页面，而是先把真实证据整理出来：

我有哪些结果？

这些结果是怎么来的？

哪几段流程已经能复用？

哪些地方还有缺口？

哪些案例最能证明我的工作方式？

等作品集第一版做出来，再回到这篇文章里。

到时候，这篇文章就不只是一个观点宣言。

它会多一层 callback：

我不是说说而已。

我真的把这个观点做成了第一版作品集。

我想用这个系列展示什么

所以这个系列，不会是普通自我介绍。

我不想写成：

我是谁。

我做过什么。

我有什么能力。

那样太像简历，也太像包装。

我更想写的是：

我怎么在 AI 时代重新理解自己的工作。

我怎么把工具变成流程。

我怎么把流程变成方法。

我怎么把方法变成可以展示的作品集。

这里面一定会有很多不完整的地方。

有些流程还会改。

有些判断也可能会错。

有些文章写出来之后，还要回头重写。

但我反而觉得，这些不完整的部分也应该被留下来。

因为作品集不应该只是一个最终包装。

它也应该记录一个人怎么付出、怎么实践、怎么探索、怎么修正。

尤其是在 AI 时代。

如果我只拿出一堆 AI 生成过的结果，那其实没什么说服力。

我更想拿出的是一条路径：

这是我遇到的问题。

这是我怎么判断它。

这是我怎么用 AI。

这是我没有交给 AI 的部分。

这是我踩过的坑。

这是我沉淀下来的方法。

这是它最后变成的作品。

这条路径，才是我想展示的东西。

最后

所以，这篇文章先作为系列的第一篇。

它不负责把我的作品集一次性讲完。

它只负责把一个判断立住：

AI 时代，作品集不能只展示结果。

它还要展示一个人怎么把结果做出来。

接下来，我会把这件事拆成两条线继续推进。

一条线是写文章。

继续把这个观点讲清楚，把我的实践过程写出来。

另一条线是做作品集。

把已有的文章、系统、skill、项目和工作流，整理成能被别人看见的证据。

等作品集第一版完成，我会回到这篇文章。

那时候，这句话就不只是观点了：

how-to 才是 AI 时代的作品集。

它会变成一个已经被我自己跑过一遍的实践。

我不是先包装一个作品集，再回头解释自己。

我是先把真实实践跑出来，再把这些实践整理成 AI 时代能证明自己的作品集。