视觉生成后人工筛选与展示控制（作品集不堆砌生成图）

是什么

在用 AI 工具做视觉探索之后，由作者对生成结果按方向、可信度、版权、目标岗位匹配度进行人工筛选，再决定哪些进入作品集、哪些淘汰、哪些仅作内部参考。这是从 研究—生成—筛选—构建—交付（个人作品集建站工作流） 单独提取出的"筛选"控制点，用于防止"作品集变成生成图相册"。

适用对象

• 任何用 AI 图像或文本生成工具辅助做个人作品集的人。
• 担心"AI 味"过重、风格雷同、参考作品版权不清的求职者。
• 需要向招聘方展示"判断力"而非"生成量"的候选人。

关键动作

1. 明确筛选标准：方向是否与求职目标一致、是否符合个人风格、是否引发版权/商标/品牌相似性问题、是否与已有项目重复。
2. 不展示未筛选素材：淘汰的生成图不进入作品集；不展示草稿、失败重试、未完成的占位内容。
3. 为概念项目加标签：未上线、个人练习、课程作业要与正式项目分开。
4. 保留原证据：每张入选作品应能回到原过程稿、参考图、Figma 文件或代码版本。
5. 控制数量：针对目标岗位保留最相关的 3–5 个项目，避免"作品很多但说明不清"。
6. 删除 AI 占位：模型生成的占位文案、数字、评价如果未删，会直接损害可信度。

失败点与修正

• 失败：把"用 AI 做过多少尝试"当成优势写进作品集。 修正：只展示最终结果，过程稿仅在"案例叙事"环节引用。
• 失败：把生成图与客户/课程原素材混在一起。 修正：在页面/说明中明确"AI 生成 / 人工绘制 / 客户授权"等来源。
• 失败：把课程作业写得像商业项目，把参与写成主导。 修正：角色、时间、获奖、客户、指标回到原文件或第三方证据核对。

适合谁

适合需要建立"作品集 = 真实能力证据"心智的求职者；不适合追求生成数量或单纯展示"我会用工具"的场景。

关联任务、案例与方法

• 案例：张誉聪 用 AI 工具组合搭建跨媒介个人作品集——作者自承"未量化 AI 节省的时间和生成过的方向"，佐证了筛选与量化是当前弱项。
• 主方法：研究—生成—筛选—构建—交付（个人作品集建站工作流）
• 任务：用 AI 把分散的项目材料整理成个人求职作品集网站
• 风险：个人作品集中参考视觉、生成图与原作品相似性的版权、商标与品牌风险、AI 改简历时的虚构经历与虚构数字风险

来源边界

• "调研—生成—筛选—展示"流程叙述来源于张誉聪作品集站内自述；本方法对"筛选"环节做了单独提炼和扩展。
• 淘汰比例、生成成本、完整参数等量化细节来源未公开，不可外推。