在审阅作品集时，有一个瞬间，招聘经理们已经开始感到害怕。

候选人的 GitHub 显示在屏幕上，五个仓库，README 都写得干干净净。一个带认证的任务管理器。一个 UI 漂亮的天气应用。一个集成了 Stripe 支付的电商克隆。全部已部署，全部可运行，全部打磨得很精致。

三年前，这样的作品集足以结束面试。而现在，你盯着屏幕，心里只剩下一个问题：这些东西里，有哪一个真的是他自己做的吗？

这个问题并不不公平。Bolt.new 的 CEO Eric Simons 表示，大约 60–70% 的 Bolt.new 用户并非技术背景。而在 Y Combinator 2025 年冬季批次中，25% 的创业公司代码库有 95% 是由 AI 生成的。

曾经作为「工作成果证明」的东西，如今已经完全变了味。不如称之为：提示词证明（proof of prompt）。你输入一句话，AI 完成剩下的一切，然后，一个署着你名字的、已经部署的应用就出现了。

一旦你开始用这种方式看待作品集，你就再也回不去了。

信号与成本

1973 年，经济学家 Michael Spence 发表了一篇论文，这篇论文后来为他赢得了诺贝尔奖。他的劳动力市场信号理论提出了一个反直觉的观点：学历之所以有用，不是因为你学到了什么，而是因为它获取起来成本很高。

大学学历之所以能作为智力和毅力的信号，是因为获得它需要付出大量努力，而低能力的人很难承受这种付出。学了什么并不重要，重要的是你撑过了整个过程。这个信号之所以成立，正是因为它很难。

Spence 的洞见解释了为什么副业项目会成为开发者招聘中的黄金标准。Sebastian McKenzie 还是澳大利亚的一名高中生时就构建了 Babel，尽管没有大学学历，Meta 还是雇佣了他。Kenneth Reitz 构建了 Python 的 Requests 库，Heroku 直接给了他一个“Python 霸主”的职位。Dan Abramov 为一次大会 Demo 构建了 Redux，几个月内就被 Facebook 招入麾下。

这些故事塑造了一整代职业建议：去做东西。发布真正的东西。

而这条建议之所以有效，是因为「发布」本身曾经非常困难。在 AI 之前，构建并部署一个有意义的项目，至少需要 4 到 8 周。你必须理解前端、折腾后端、配置部署、并调试那些不可避免的失败。过程残酷、成本高，而且一眼就能看出来。这种残酷性，正是关键所在。

HackerRank 在 2018 年对近 4 万名开发者的调查发现：相对于工作年限，C level的高管更看重候选人的 GitHub 项目。小公司甚至更加依赖作品集：80% 会查看作品集，而大型公司只有 66%。

作品集之所以能成为一个有效信号，是因为它制作成本高。它代表着真实的工作投入。

然后，AI 把这个成本压扁了。而那种「工作成果证明」，也悄然变成了「提示词证明」。

改变一切的工具

Bolt.new 于 2024 年 10 月上线。五个月内，它的年经常性收入就达到了 4000 万美元，成为史上增长速度第二快的产品，仅次于 ChatGPT。它的卖点非常简单：输入一句“做一个 Spotify 克隆”，60 秒内就能得到一个完整可用的 Web 应用。Cursor 的同比增长达到了 6400%。

MIT 的研究发现，使用 AI 辅助的开发者完成任务的速度快 55%。一家 YC 的金融科技初创公司，用 3 周完成了整个 MVP，而传统方式需要 3–4 个月。

Andrej Karpathy 在 2025 年 2 月初发文谈到了这一变化，并将其称为 “vibe coding（氛围编程）”：

❝
我称之为一种新的编程方式：‘氛围编程’。
你完全顺从感觉，拥抱指数级增长，甚至忘记代码本身的存在……
我总是点击‘全部接受’，不再看 diff 了❞

这个词迅速传播开来。
Merriam-Webster 在几周内就为它添加了词条。Visa、Reddit、DoorDash 等公司，开始在招聘描述中列出“vibe coding”技能。

这是 Spence 理论的反向运行：
当生产一个信号的成本接近于零时，这个信号就不再具备区分能力。

过去，已发布项目的作品集证明了你的毅力、技术深度，以及啃下硬问题的能力。
现在，它只证明了一件事：
你会写提示词，并且会点击部署。

古德哈特定律（Goodhart’s Law） 在这里完全适用：
当一个指标变成目标，它就不再是一个好指标。副业项目成了目标。开发者开始优化“发布项目”本身，而不是这些项目原本要揭示的能力。AWS 认证也走过同样的路径：曾经的差异化 → 基础门槛 → 噪音。副业项目，只是最新的牺牲品。

CloudApper 的 2025 年招聘报告发现，超过 40% 的招聘人员已经难以区分真实经验和 AI 增强内容。
Google 员工因 AI 作弊问题，要求管理层恢复线下面试。
整个行业中，居家作业式的编程面试正在消亡。

曾经能可靠识别强候选人的作品集评审，如今需要不断盘问验证——而这本身就违背了作品集存在的意义。
如果你必须逐一验证项目是否真的是候选人完成的，那这个信号已经失效了。

挤压（The Squeeze）

信号崩塌，对刚入行的人来说，来得恰逢其最糟糕的时刻。

SignalFire 的研究显示，大型科技公司在 2024 年将应届生招聘减少了 25%。斯坦福数字经济研究发现，22–25 岁的软件开发者就业人数，相比 2022 年峰值下降了近 20%。Salesforce CEO Marc Benioff 宣布，2025 年不会再新增软件工程师岗位，理由是 AI 带来的生产力提升。

残酷的悖论在于：副业项目曾是初级开发者在缺乏经验时实现差异化的路径。而现在，让「发布变得简单」的工具，也让初级开发者看起来变得多余。YC 创业公司 Paces 的 CEO James McWalter 表示：他们在 30 天内收到了 23,000 份申请，只招 8 个岗位。Spotify 的一位工程经理，在 15 小时内收到了 1,700 份简历。一家上市金融科技公司的招聘官（今年招了 30 多人）说：

❝
主动投递的候选人只占录用人数的大约 10% ……
而且他们在面试流程中失败的概率明显更高。❞

当任何人都能在一个周末生成一份作品集时，作品集就不再能告诉你任何有价值的信息。

仍然有成本的事情
Spence 的理论不仅解释了什么坏掉了，也指明了什么仍然有效。

如果信号的作用来自「成本」，那问题就变成：
什么东西现在仍然昂贵？肯定不是发布。发布现在几乎是免费的。

但发布之后发生的一切，仍然需要真实投入。

可以把它理解为完成证明（proof of finish），而不是提示词证明。

在既有复杂系统中工作。从零开始、在可控环境中构建项目，如今任何人都可以靠提示词完成。但要理解 Django 的代码库、给 Kubernetes 贡献代码、修 PostgreSQL 的 bug？这要求你理解你没有创造的系统，在你没有选择的约束下工作，并与对你代码有意见的人协作。2025 年，超过一半的技术管理者计划增加对开源贡献者的招聘。他们寻找的是能在真实、混乱世界中工作的证据，而不是会做 Demo 的人。

让真实用户真正使用你的产品。部署已经不能证明任何东西了。留存率才是一切。一个有 10 个活跃用户、并且你必须为他们修 bug 的项目，比一个零下载、打磨精致的作品集项目，更有说服力。任何人都能发布。留住用户，是完全不同的问题。

发现 AI 写错的地方。Stack Overflow 2025 年调查问开发者：什么时候你仍然会选择人类而不是 AI？排名第一的答案（75%）：“当我不信任 AI 的答案时。”当 61% 的 AI 生成代码需要重构，能发现问题的人，比生成代码的人更重要。生成代码变得很容易，知道它哪里坏了，才是难点。解释你的思考过程。代码本身很廉价。背后的思考不是。招聘者不仅想看你做了什么，还想知道你为什么这么做。解释架构决策、记录取舍、与非技术人员沟通的能力，在 AI 大规模生成无文档代码的时代，变得更加珍贵。

GitHub 在 2025 年 12 月发布的 Octoverse 研究清晰地指出了这一转变：那些在 AI 使用上走得最远的开发者，已经不再将自己视为“代码生产者”，而更像是“代码的创意总监”——核心能力不在于实现，而在于编排与验证。

信号并没有消失。它只是从起点，移动到了终点。

剩下的是什么

“去做东西”这句话并没有错。它只是不完整。构建仍然是学习的必要过程。反馈循环、调试、以及你终于明白某个东西为什么坏掉的瞬间——AI 无法替代这种学习。但仅仅构建，已经不足以形成差异化。

GitHub CEO Thomas Dohmke 这样说：

❝
“我们正在进入一个时代，
实习生和初级开发者入职时，就已经熟练掌握市面上最好的 AI 代码生成工具。❞

基线已经发生了变化。有效使用 AI 是默认要求，而不是加分项。能靠提示词生成一个可用应用，只是基本门槛。那位招聘经理仍然盯着屏幕。五个项目，全部已部署，全部可运行。但他们现在寻找的是别的东西：不是你是否发布过，而是你是否维护过。不是代码能不能跑，而是你能不能解释它为什么这样组织。不是你是否开始了，而是你是否完成了。

曾经证明你“会构建”的作品集，如今只证明了一件事：你完成了开始。

任何人都能靠提示词走到起点。真正重要的，是起点之后发生的事情。