作品集选题：从领域到问题的六步法

开场钩子

弱作品集项目的失败，几乎都发生在写第一行代码之前：先选了技术（"我想做个 RAG 应用"），再找理由。而强项目的起点是真实领域、真实公司、真实问题——然后才让技术来适配问题。这节课给你作者训练营同款的六步选题法，以及四类项目类型的信号价值。

一、先分清四类项目类型

个人项目——解决你自己的问题（帮妈妈练英语的 Telegram bot、智能家居监控、比价爬虫）。展示 ownership、好奇心、品味、完成力。多数个人项目单独看不够作品集级别，没关系——合起来证明你是"发现问题就动手的人"。

面向岗位的项目——为特定岗位/领域/公司类型而建。展示领域理解、问题框定、AI 技术选型、测试评估、权衡思维、生产意识。数据支撑：93.1% 的岗位需要 GenAI 之外的技能，50.2% 的 AI-First 岗需要生产/运维技能——所以这类项目必须证明你能建、能评、能部署、能运维一个小 AI 系统。真实案例：有人用 Kaggle Lyfty 竞赛的干净仓库拿到现在雷达创业公司的 offer；有人为了回爱立信专门做电信切片预测的毕业项目，还被"准确率高得可疑"逼着调出数据泄漏。

Take-home 改造——把求职作业改造成公开项目。公司拿它们测的就是真活：RAG、agent、文档抽取、工作流自动化。

黑客松/开源/社区项目——黑客松展示速度与 demo 能力；开源项目信号更强：别人看过、评审过、用过，且项目有笔记本电脑之外的约束。注意：精确说明你的角色，别夸大 ownership。

最好的项目往往跨多类：个人工具恰好与目标岗位相关、take-home 转公开、黑客松原型长成开源工具。

二、六步选题法

**第 1 步：列五个候选领域。**全球用例数据的高频领域：金融（2321 次提及）、医疗（1783）、法律/监管（1094）、网络安全（1028）、教育（571）。其他可选：开发者工具、客服、制造、零售电商、物流。

**第 2 步：三查选定一个领域。**① 该领域有公司在招 AI 工程岗；② 有可研究的 JD/博客/文档/demo；③ 你能用公开或合成数据做出真实项目。拿不准就先选公司，用公司所在领域当起点。

**第 3 步：选 5–10 家公司。**收集：在招 JD、工程博客、产品文档、公开 demo、公开数据集——把链接存下来，它们以后是"项目为什么存在"的证据。

**第 4 步：分析 JD 与博客。**JD 提取：职责、技能要求、重复出现的工具、部署/运维预期。博客提取：团队实际在解什么问题、怎么解的。有用线索：他们描述的工作流、提到的约束、踩过的失败模式、建过的系统、做过的权衡。**被动读博客只能收获流行词，主动提取问题才能收获需求规格。**追问清单：团队在改进什么工作？原来需要人去读/判断/路由/总结/检查的是什么？什么数据参与其中？旧流程为什么慢/贵/险/不稳定？小而有用的版本会做什么？怎么知道它起作用了？

**第 5 步：写问题陈述（不是项目点子）。**格式：谁 + 输入 + 输出。例：

客服团队需要依据政策文档回答退款问题，且不许编造政策。 分析师需要对比财报电话会记录，浮出风险随时间的变化。 开发者需要把混乱的 bug 报告变成可复现的 GitHub issue。

写不出输入或成功判据 = 问题还太模糊，回炉。

**第 6 步：生成约 5 个项目候选，再选技术。**每个候选按格式写：项目名 / 用户 / 输入 / 输出 / 为什么适配。同一领域内变化项目类型（客服领域：落地式 FAQ 助手、工单分诊、会话摘要、政策合规审查、支持分析 agent）。

技术选择放在问题清楚之后：答案必须来自知识源 → RAG；系统需要工具/状态/多步 → agent；用户要验证过的字段/标签/摘要 → 结构化输出；不需要 LLM → 确定性代码。

最后按四个维度挑出胜者：岗位相关性、真实数据、可评估性、可完成范围 + 工程深度。

三、常见选题错误

1. 技术先行："我想做个 RAG 应用"不是项目点子
2. 随机选公司：瞄准"OpenAI + Stripe + 一家医院"太散；瞄准"用长文档回答政策问题的 B2B 客服团队"才有清晰的用户、输入、输出和评估用例
3. 领域 ≠ 问题："医疗 AI"太宽；"把随访记录总结成结构化跟进消息，医疗建议走拒答路径"才具体
4. 通用聊天机器人："和你的文档聊天"太泛。强版本点名用户和任务：客服主管对照政策审退款、法务运营从供应商合同提取风险条款、开发者关系团队把 issue 分诊成工单
5. 工具不匹配：RAG/agent/多 agent 都附加工作量（数据摄入、工具 schema、错误处理、追踪、评估、失败用例）。一个模型调用 + 确定性代码能解 V1，就从那开始

快速自查九问：能说出目标领域和用户吗？看过真实公司/工作流吗？提取出具体问题了吗？有真实输入吗？技术适配任务吗？能定义 V1 吗？能评估吗？能记录失败/成本/延迟吗？仓库能被别人轻松跑起来并讨论吗？——有一项答"否"，项目就还没准备好。

对 FDE 的启示（1444 对标）

• S2 场景定义与要素拆解：六步法就是场景定义的客户版——领域三查 ≈ 客户行业调研；问题陈述（谁+输入+输出）≈ 场景要素表。这套方法论直接复用到客户现场的 discovery。
• S4 组合排序与路线规划：五候选 → 四维打分 → 胜者，与场景组合排序同构；练熟一套，两头用。
• B1 行业机理与价值链：全球高频领域榜（金融/医疗/法律/安全）给 FDE 选行业提供了"问题密度"先验——监管越重的行业，落地式 AI 的需求越硬。

本课自测

1. 四类项目类型各自展示什么信号？"面向岗位的项目"必须额外证明什么（用两个百分比数字）？
2. 六步法的顺序为什么重要？"技术先行"会导致什么？
3. 合格的问题陈述要包含哪三个要素？"医疗 AI"错在哪？
4. 用六步法为你当前服务的行业写三个问题陈述（练习）。