研究—生成—筛选—构建—交付（个人作品集建站工作流）
是什么
这是一个用于把分散项目材料整合为个人求职作品集入口的五段式工作流，来源于张誉聪（Albert Lush）在其个人作品集网站（4zyc.cn）中自述的工作流整理。原始来源是四段（研究 / 生成 / 构建 / 交付），本方法在此基础上把"生成"和"构建"之间补入一个显式的"筛选"环节，以强调"并非所有 AI 输出都应进入作品集"。
适用对象
- 需要把不同媒介（图片、PDF、视频、代码、Figma）的项目材料集中到一个对外入口的求职者。
- 设计、艺术、文创、视觉相关专业的学生或转岗者。
- 希望在作品集中同时呈现"AI 工具使用能力"和"专业作品"的候选人。
操作步骤
- 研究：整理与求职方向相关的资料（地方文化、趋势、参考案例、文献），用 AI 工具提炼关键词和设计方向。可使用 ChatGPT、Claude、Gemini、NotebookLM 等。
- 生成：用图像生成工具（Stable Diffusion、Midjourney、即梦 AI 等）按多个方向推演风格，输出多个候选；用通用对话模型做多版本文案与方案推演。
- 筛选：作者按方向、可信度、与目标岗位的匹配度对生成结果做人工筛选，淘汰明显不可用或与品牌/版权冲突的素材。这是关键控制点，不是把生成图全部展示出来。
- 构建：用 AI 编程工具（如 Codex）整理素材、搭建网页、检查交互；作者保留对结构、样式、内容的最终决定权。
- 交付：输出作品集网站、PPT、PDF 提案、可展示材料与对外联系方式。
关键经验与失败点
- 生成不等于展示：来源直接说明"调研—生成—筛选—展示"的流程，且作者自承"未量化 AI 节省的时间和生成过的方向"——这意味着筛选与落地的质量比生成量更影响结果。
- 过程证据比工具列表更重要：作者自评的三个待补强方向（案例叙事、协作证据、效率量化）恰好覆盖了"过程与结果证据"三块。复用本方法时应主动补齐角色、目标、调研、过程、迭代、结果、反思、真实反馈和交付边界，而不是上线即结束。
- 输入与输出要可追溯：把研究资料、项目图片、过程稿、PPT/PDF、Figma、代码、视频放入可追踪的项目目录，否则筛选时无法回到原证据。
- 效率量化保持诚实：未量化的指标不要写进作品集页面，避免被招聘方追问。
适合谁
适合需要把"会用 AI"翻译成可见产物的求职者；不适合需要严格量化 ROI 或招聘转化的企业级使用场景。
关联任务、案例、工具与方法
来源边界
- "研究 / 生成 / 构建 / 交付"四段是作者在站内直接写明的；"筛选"环节是整理者基于"调研—生成—筛选—展示"叙述和工作流常识补入，标注为整理者补充。
- 工具清单、可见产物（页面、代码、视频、PDF）属于强证据；流程描述属于作者自证的中等强度证据；AI 节省时间等量化结果来源未提供，不外推。