你以为面试官只看效果，其实他也在验证你的判断

假设作品集里有一个“AI 驱动的电影推荐系统”：界面有 3D 卡片、能根据心情推荐电影，也接入了大模型 API。评审者很可能追问：

1. "这个推荐算法是你自己设计的还是调 API 的？"
2. "如果推荐接口挂了，用户会看到什么？"
3. "你的数据库表怎么设计的？为什么这么设计？"

如果你只保留 AI 生成结果，却没有检查推荐逻辑、失败状态和数据设计，这三个问题就很难回答。

Portfolio 不只展示你“做了什么”，还要证明你理解了什么、验证了什么。

面试官的真实评估维度

我跟不少做面试官的朋友聊过，他们看 Portfolio 的时候关注的点出奇地一致：

维度 1：你能不能讲清楚"为什么"

面试官不在乎你的按钮是圆角还是直角。他在乎的是：你为什么选了 Next.js 而不是纯 React？你为什么用 PostgreSQL 而不是 MongoDB？你为什么把状态放在 Zustand 而不是 Redux？

每一个技术选型背后都应该有一个理由。"因为 AI 建议的"不是一个好理由。"因为这个项目需要 SEO，Next.js 的 SSR 能力比纯 React 好"——这才是面试官想听到的。

你不需要每个选型都有深刻的洞见，但你至少要能说出"在 A 和 B 之间，我选了 A，因为......这个理由"。哪怕理由是"因为我更熟悉 A"也可以——诚实比装懂好一万倍。

维度 2：你处理了"不快乐的路径"吗

这个维度直接区分了"做过 Demo"和"做过产品"的人。

大多数 AI 生成的代码只处理 happy path——用户输入都是对的、API 都能调通、网络永远不会断。但真实世界里，用户会在邮箱输入框里打电话号码，API 会因为你忘了续费而 500，用户会在网页加载到一半的时候切到后台。

面试官最喜欢问的就是这些"如果......怎么办"的问题：

• 如果用户没登录就访问了这个页面？
• 如果 API 返回了空数组？
• 如果用户上传了一个 10MB 的图片？
• 如果两个用户同时编辑同一条数据？

你不需要把每种边界情况都处理得完美，但你至少要意识到这些问题的存在，并且有一个说法——"我知道这里有这个问题，如果要做的话我会用乐观更新 + 后端版本号来解决并发冲突"。

维度 3：代码质量，而不是代码数量

面试官看你的代码仓库，他不会从第一行看到最后一行。他会挑几个文件快速浏览，看代码的"质感"。

什么叫"质感"？就是一眼看上去这个人是不是知道自己在写什么：

说白了，面试官一打开你的 GitHub 仓库，2 秒钟就能判断这是"AI 直出一把梭"还是"有人认真做过 Code Review"。Vibe Coding 不是问题——用 AI 写代码在 2026 年是基本功。问题是你有没有审查和改进 AI 写的代码。

维度 4：有没有"你自己的痕迹"

这个维度在 AI 时代变得越来越重要。面试官知道你用了 AI，他不在乎。他在乎的是这个项目里有没有"你"。

什么叫"你的痕迹"？比如：

• 有意义的 Git 提交历史 — 不是一次 commit 把所有代码推上去，而是有一个合理的开发过程：先搭框架、再做核心功能、然后处理边界情况、最后优化性能
• README 里有你的思考 — 不是 AI 生成的模板 README，而是写了"我为什么做这个项目"、"遇到了什么问题"、"学到了什么"
• CLAUDE.md 或 .cursorrules — 这本身就是一个加分项！它说明你理解 Context Engineering，你不是"把需求丢给 AI 然后复制粘贴"的那种人

一个反直觉的真相

说到这里你可能会焦虑："那 AI 帮我写的代码，面试官是不是一眼就能看出来？"

答案是：能，但这不是扣分项。 在 2026 年，面试官自己也在用 AI 写代码。他们扣分的不是"你用了 AI"，而是"你用了 AI 但不知道它写了什么"。

换个角度想：如果你用了 Vibe Coding 做了一个项目，而且你能清楚地解释每一个技术选型、处理了边界情况、做过 Code Review、有清晰的 Git 历史——这比一个"自己手写但很粗糙"的项目强得多。因为面试官看到的是：这个人懂得用工具提高效率，而且有能力审查和把控 AI 输出的质量。这不就是现代开发者最需要的技能吗？