AI 作品集生成器：自动排版之前，先问作品要证明什么

AI 作品集生成器：自动排版之前，先问作品要证明什么

AI 可以快速生成作品集页面：选择模板、整理项目、生成介绍、自动排版。看起来很高效，但作品集不是素材拼贴。它要证明一个人或一个产品的能力、审美、方法和结果。如果工具只关注排版漂亮，最终页面可能像一张精致但空洞的海报。

AI 作品集生成器的第一步，不是选模板，而是明确作品集要证明什么。

一、先定义叙事目标

flowchart TD
  A[Portfolio Goal] --> B[Project Selection]
  B --> C[Story Structure]
  C --> D[Layout]
  D --> E[Export]

求职作品集、独立产品展示、设计案例复盘、技术写作合集，目标完全不同。求职作品集要证明能力匹配，产品展示要证明价值，案例复盘要证明方法论。目标不同，项目选择和页面结构也不同。

生成器可以先问几个轻量问题：面向谁，想证明什么，最重要的三个项目是什么，希望读者采取什么行动。问题越少越好，但必须问到叙事核心。否则模型只能用通用模板填空。

二、项目卡片要有证据

{
  "project": "writing_tool",
  "role": "full_stack",
  "result": "paid users increased 18%",
  "evidence": ["launch post", "analytics screenshot"]
}

作品集里的项目不能只有形容词。漂亮、完整、创新，这些都不如具体证据有力量。项目卡片应该包含角色、问题、行动、结果和证据。AI 可以润色表达，但不能凭空制造成果。

如果没有量化结果，也可以展示过程证据：设计迭代、技术难点、用户反馈、上线链接、开源仓库。作品集的可信度来自可验证信息，而不是夸张文案。

三、排版要服务阅读路径

layout:
  hero: goal_statement
  sections:
    - selected_projects
    - process_notes
    - contact_or_action

自动排版不应该只是套模板。读者通常先看定位，再扫项目，再决定是否深入。页面要有清楚的阅读路径：我是谁或产品是什么，最值得看的作品是哪几个，为什么可信，下一步可以做什么。

视觉上也要克制。作品集的主角是作品，不是模板本身。过多装饰、复杂动效、沉重背景会抢走注意力。AI 生成的排版建议要能被用户调整，而不是一次性定稿。

四、导出要保留可编辑性

export_targets:
  markdown
  static_html
  pdf
  json_project_data

作品集不是生成一次就结束。用户后续会换项目、改顺序、补数据、针对不同对象调整版本。因此导出格式要保留可编辑性。Markdown 适合继续写，静态 HTML 适合发布，PDF 适合投递，JSON 数据适合再次导入。

版本也很重要。面向招聘的版本、面向客户的版本、面向社区的版本可能不同。工具应该允许复制版本并修改叙事，而不是让用户从头再来。

生成器还要避免过度美化。AI 很擅长把平凡项目写得像宏大叙事，但作品集最怕失真。可以在生成过程中要求每个结论绑定证据，没有证据就降级为描述。可信的小成果，比夸大的大词更能打动读者。

隐私检查也要加入导出流程。作品截图、客户名称、内部数据、未公开链接，都可能被用户不小心放进页面。生成器可以在发布前提示敏感字段，让用户决定隐藏、打码或替换。

五、总结

AI 作品集生成器要先问作品集要证明什么，再做项目选择、证据整理、阅读路径设计和可编辑导出。

自动排版能提高速度，但作品集真正打动人的，是清楚的叙事和可信的证据。页面漂亮只是开始，证明成立才是目的。