AI Native Builder

主题

第 11 章｜毕业项目与自我认证 ​

结业评审开始时，学习者陈楠在首页写了三句话：“构建生产级销售 Agent；会后记录效率提升 30%；方案已经成功复制到第二团队。”页脚还有一枚自己制作的“AI Native Builder 认证”徽章。

演示很完整。系统能生成 CRM 预览，也能播放一次写入超时后的恢复轨迹。评审者没有先问用了什么模型，而是问：生产环境在哪里？30% 的分母包括放弃任务和支持时间吗？第二团队独立完成了什么？谁授权你代表一个机构发证？

这些问题让作品集从宣传材料变回证据材料。澄川系统是受控工作流，不是自由规划的销售 Agent；短试点出现局部提速，净人工收益仍未转正；第二团队复用了技术核心，渠道场景仍因资料缺失而阻塞；这本书也没有外部认证机构。

陈楠没有硬拗。他撤下徽章，改了项目标题和结果声明，把缺口、失败、团队贡献和证据等级放回首页。去掉三句漂亮的“成功”之后，作品集反而更能说明他到底会做什么。

本章继续使用“澄川工业客户跟进助手”教学案例。陈楠、评审过程、分数和作品集材料都是教学设定，不代表真实个人、企业项目或认证结果。

“自我认证”只能是一种证据化自评 ​

本章保留“自我认证”这个标题，因为它提醒学习者主动建立标准、整理证据和接受质疑。它不表示自己可以给自己签发外部资格。

完成课程是一项学习事实。作品集说明你做过哪些任务。自评是你根据公开量规作出的判断。同行复核说明另一位评审者看过证据并留下意见。外部认证则需要明确的发行者、标准、身份核验、评审程序和可验证声明。

1EdTech 的 Open Badges 标准介绍把数字凭证描述为发行者对学习者达到某项标准的声明，并可包含标准、证据和发行信息。这里引用它是为了说明“凭证”需要发行和验证关系；本书没有采用 Open Badges，也没有授权任何人以本书名义签发行业资格。

你可以写“完成本书毕业项目”“按照本书量规完成自评”“作品集经某位同行在某日复核”。你不能只凭阅读、模拟材料或自评分数写“获得行业认证”“具备生产级 AI Native Builder 或 FDE 能力”或“已证明企业业务价值”。

表述准确不会让作品集掉价。把证据边界写清楚，评审者反而更容易信你，也更容易判断你下一步能担什么责任。

项目真实性和完成质量是两条轴 ​

一份模拟项目可以做得严谨，一份真实项目也可能没有证据。真实性说明材料来自什么环境，完成质量说明你在该环境里做得怎样，两者不能互相替代。

本书按照材料实际来自哪里，区分五种项目环境。它们只服务于学习与作品集说明，不是行业等级。

项目环境能够支持的主张
课堂模拟：角色和数据由课程提供理解概念并完成指定练习
高保真案例：使用原创、脱敏或专家审阅材料在限定条件下使用完整方法并运行系统
真实影子运行：不改变业务状态发现真实问题、运行分布和失败类型
受控真实试点：有用户、授权、动作、指标和退出条件真实采用、风险、负担和阶段业务结果
第二团队真实复用：保留适配与维护数据跨团队复用和组织能力证据

澄川是取材于内部实践的原创复合案例，只能算高保真教学案例。它包含完整运行、试点数据和第二团队故事，也不能被改写成受控真实试点或第二团队真实复用。教学材料越逼真，越要把来源标签放在读者容易看到的位置。

真实数据也不会自动提高证据强度。拿一份真实会议转写做演示，没有业务负责人、授权用户和运行结果，仍不算受控真实试点。相反，真实试点若没有版本、失败和贡献记录，也不足以证明高水平能力。

作品集可以形成两类自评结论。要写“高保真实践”，用高保真案例或更强的证据即可支持；要写“真实项目建设”，至少需要受控真实试点中的真实任务、授权和责任证据。两种表述都不是职业职级、外部证书或通用能力标准。

第二团队真实复用能加强产品化、复用与领导力证据，但不能自动证明其他能力。第二团队复制了代码，不代表学习者会做业务诊断；业务价值成立，也不代表权限与恢复设计合格。

毕业项目要完成一条决定链 ​

毕业项目的任务并不是展示最多功能。你要在一个明确业务流程中，从是否值得进入开始，走到是否应继续、复用或停止，并让每次决定都能回到材料。

开始前先检查项目条件：有没有合适的入口、样本、时间、负责人和风险联系人。缺少真实环境时，可以选择课堂模拟或高保真案例，但必须提前限定最终主张。

接着检查问题是否得到证据支持，重构后的流程是否值得建设，上下文、对象、工具、状态和权限是否清楚，以及评估、治理、停止和恢复是否足以支持试点。

试点开始后，团队根据使用、质量、业务、风险、负担和成本决定扩大、缩小、修改、暂停或终止。最后决定项目成为一次性交付、团队产品、共享资产、平台候选还是退役，并检查作品集能够支持什么能力主张。

这些阶段问题属于本书的教学结构。每个决定都应有日期、参与者、证据版本、结论、条件和下一负责人。项目可以在任何一关停止；保留一个证据充分的终止决定，比补写后续“成功材料”更专业。

text
确认项目条件
→ 判断问题是否值得解决
→ 判断目标流程是否值得建设
→ 检查系统边界是否可以测试
→ 判断能否进入小范围试点
→ 根据真实使用决定怎样继续
→ 决定维护、复用、退役与能力主张

若前一关使用模拟材料，后面不能凭一份虚构试点报告突然变成真实项目。证据环境要沿整条链保持可追踪。

作品集是一组可以被反驳的主张 ​

很多作品集按文件夹展示产物：流程图、架构图、代码、看板、复盘。材料很多，评审者仍不知道作者准备证明什么。

更清楚的组织方式是“主张—证据—限制”。一条主张只说一项可观察能力，证据指向具体版本与运行，限制说明范围、替代解释和本人角色。

陈楠原来的“效率提升 30%”只计算完成提交的任务，并把模型生成时间与完整人工时间比较。它排除了未启动、放弃、回到手工流程和项目支持，分母不一致。

修改后的表述是：“在高保真教学案例的 14 个完成提交任务中，端到端时间出现下降信号；计入全部符合范围任务和支持修复后，本轮净人工收益仍为负，不能推断真实企业收益。”

“成功复制到第二团队”也被改为：“第二团队独立运行了共享技术核心，六条机制样本通过，两条渠道政策样本因缺少批准来源而阻塞；这支持技术资产可迁移，不支持渠道场景已经采用。”

每条主张都要有证据索引。索引至少给出材料名称、日期、版本、项目环境、来源、复核者和访问限制。敏感证据可以用脱敏摘要、哈希或受控查阅方式证明存在，不能为了作品集公开客户资料。

评审者应当能够不同意你的判断。好的作品集会让他根据同一份材料重新计算、查看轨迹或提出替代解释，而不是要求他相信作者对项目的回忆。

贡献披露回答“这是谁的能力” ​

AI Native Builder 本来就会使用模型、Agent、代码工具和自动化。隐瞒 AI 帮助没有意义；把所有 AI 产出算作个人能力也不成立。

陈楠说明：机会池与流程初稿由 AI 帮助整理，访谈判断由项目组完成；工作流代码由他与一名工程师共同实现，AI 生成部分测试；业务负责人决定字段范围；数据负责人批准日志策略；他本人负责未知状态设计、回归样本和试点报告。

披露还要说明怎样验证。AI 生成测试不等于测试有效，他需要解释失败条件并运行；AI 整理访谈不等于完成现场诊断，他需要保存原始材料和判断变化；AI 写出报告不等于业务结果已经得到证明。

团队项目里，个人能力通常体现在决定和责任上，而不只是看谁是文件的署名作者。你做了什么判断，反对过什么方案，处理过哪次失败，怎样让他人复用，哪些部分必须依赖专家，都应有记录。

若作品集无法区分本人、团队和 AI 的贡献，评审者只能确认团队交付过项目，不能确认学习者能够独立承担哪些工作。

先检查必须停止的问题，再看能力画像 ​

自评不从总分开始。伪造或冒领证据、把高保真案例写成真实试点、未披露重大风险、公开未授权数据、让高风险动作绕过控制、无法复查评估版本，以及无法区分贡献，都会阻止结业主张。

只能演示正常路径，也是一项阻塞项。AI 系统的能力主张必须包括失败、停止、恢复和最终环境状态。若系统一出错就由作者手工重置，作品集应写成演示，而不是可靠运行。

确认没有必须停止的问题后，再按五个维度打 0—4 分：问题与业务证据、工作流与系统、评估与治理、试点与决定、复用与贡献。0 分是缺失、有错或存在不可接受风险；2 分是在指导下完成、材料可复查；3 分是能独立做判断和取舍；4 分要求能处理复杂例外，还能帮别人复用。

总分只用来找短板，不能直接换成“高保真实践”或“真实项目建设”的结论。项目真实性先限定了你最多能声称什么，各维度的最低分再决定当前实际状态。某一项高分补不了另一项的缺失，更盖不住必须停止结业的问题。

陈楠修改后的画像是：问题与流程证据较完整，系统和评估可以复现；试点与复用只有高保真教学材料，不能支持真实采用。他可以把作品集写成高保真实践，不能写成真实项目建设经历。

这个结论不是对职业潜力的判决。它只描述当前最好证据，并指出下一步要补什么：先进入一个有授权的真实影子项目，再在风险合适、权限明确的条件下承担受控真实试点。

一次 30 分钟答辩怎样使用证据 ​

答辩不是把作品集重新念一遍。它要让评审者看到关键取舍，现场检查一条正常运行和一条失败运行，并追问学习者本人承担了什么。

text
3 分钟  项目环境、问题、负责人和可声称范围
5 分钟  现状与目标流程，说明为什么不用更复杂方案
7 分钟  正常与失败运行，核对轨迹和最终环境
5 分钟  评估、权限、停止、恢复与事件演练
5 分钟  试点或模拟结果、混杂因素和下一决定
5 分钟  本人、团队、AI 贡献，以及复用和退役

评审者可以选择任意样本，不让学习者只播放准备好的成功录像。运行条件受限时，可以使用保存的可验证轨迹，但要说明为什么无法现场执行。

有价值的追问包括：哪条证据改变了你的判断？为什么没有开放更多权限？第一次失败发生在哪里？怎样知道外部状态正确？若明天撤销资料负责人，这个系统会怎样？哪些部分由你决定，哪些必须请业务或治理角色批准？

真实项目最好同时有业务与技术或治理评审者。业务评审者检查问题、采用和结果，技术与治理评审者检查系统、评估、权限和恢复。评审意见不一致时，应回到具体证据和评分锚点，不简单取平均。

答辩结束要保存问题、分歧、修改要求和决定。只保留最终分数，会丢掉最有价值的学习材料。

评审者也要说明自己的边界 ​

同行复核不等于万能专家背书。评审者要注明自己检查了什么、没有资格判断什么，以及是否存在利益关系。

工程师可以验证幂等、状态和轨迹，不一定能判断销售业务语义；业务经理可以判断采用和字段价值，不一定能批准隐私设计。高风险领域需要相应的数据、安全、法务或行业专家。

复核记录应写成“某评审者检查了某版本的某些证据，并给出这些意见”，不要写成笼统的“业内专家认可”。评审日期也重要，因为模型、资料和系统会变化。

ACM《职业伦理与专业行为准则》要求计算专业人员诚实说明系统能力、限制、潜在问题以及自己的资格边界。作品集的诚实披露不只是写作习惯，也是技术工作可信度的一部分。

一些会让作品集失去可信度的做法 ​

把演示叫成“生产系统”，评审者会怀疑你其他表述的可信度。什么环境、什么用户、什么数据、什么动作，就用什么名字。

只展示最终版本的话，你怎么处理失败的过程就全抹掉了。早期犯的错、被否掉的方案、阶段返工、范围缩小，这些都是能力证据，只要材料真实、能解释清楚就应该放。

拿一堆截图代替可复查材料，评审只能“看看”，没法检查。版本、样本、轨迹、环境结果和决定记录都得是能重新查证的。

把团队成果全写成“我”，或者反过来把所有困难都推给团队，个人责任就糊了。按任务和决定来写谁做了什么，更清楚。

用总分制造确定性，会掩盖项目环境差异和必须停止的问题。同样的分数可能来自完全不同的能力组合，评审时画像和证据都得保留。

为了证明项目真实就公开客户信息，反而制造新的职业风险。真实性可以通过受控复核、脱敏材料和授权证明来体现，不需要暴露敏感内容。

你的毕业项目 ​

选择一个明确业务流程，从确认项目条件开始，做到当前证据能够到达的阶段。你不需要为了“毕业完整”虚构后续阶段；若团队在判断目标流程是否值得建设时终止项目，作品集应详细说明证据、决定和停止后的资产。

先写明材料来自课堂模拟、高保真案例、真实影子运行、受控真实试点还是第二团队真实复用，再写三到五条准备证明的能力主张。每条连接证据、日期、版本、本人贡献和限制。随后检查各阶段已经发生的决定，缺失阶段不得用计划材料冒充完成。

作品集至少要让评审者看到一次正常运行、一次边界或失败运行、评估与治理决定、用户或模拟用户反馈、下一步分流，以及本人、团队与 AI 的贡献。

完成必要检查和五维自评后，邀请一名未参与项目的人复核。若你声称真实业务结果或高风险能力，还需要相应业务与专业评审。记录分歧并修订主张，不只修改分数。

你可以从练习册的学习契约开始串联全部产物，并用毕业证据、贡献披露与同行复核完成贡献说明。练习册是记录工具，正文中的证据原则仍然优先。

怎样判断作品集是否可以公开 ​

遮住所有项目名称和界面，评审者是否仍能从证据理解任务、决定和结果？若只能靠品牌或漂亮截图支撑可信度，内容需要返工。

随机选择一条主张，能否定位到材料、版本、运行和限制？能否说明团队与 AI 在其中的作用？无法追踪的主张应删除或降级。

再请评审者找出作品集最严重的失败。若他只能找到“未来还可进一步优化”，说明你可能隐藏了真实问题，或者从未测试困难路径。

最后检查公开权限。客户、用户、数据、合同、日志和第三方材料是否得到授权？不能公开的证据要改用受控复核，不要为了完整而泄露。

合格的公开作品集会让陌生评审者知道：你面对了什么环境，完成了哪些决定，怎样验证，哪里失败，哪些结果属于别人，以及下一项责任还缺什么证据。

全书结束 ​

AI Native Builder 的工作，从一个“我想要个 AI 工具”的愿望开始，到现场找问题，重做流程，定系统契约，做评估和治理，跑试点看真实采用，再把经验沉淀成组织能复用的东西——走完整条链之后，最后回到你自己：你对哪些决定愿意负责，你能拿出什么证据？

陈楠最后没有拿到一枚自己签发的徽章。他得到的是一份更实在的能力说明：高保真场景里的受控工作流、评估和失败恢复他能做；真实受控试点和跨团队采用的证据他还没有。

这份说明别人可以复查，将来有了新证据也可以改。作品集最后一页不需要写“已经掌握一切”，把当前能负责什么、不能负责什么写清楚，就够了。

返回课程首页 · 打开练习册与检查清单

本章来源与框架边界 ​

项目证据环境、两类作品集自评、五维画像与各阶段决定都是本书的教学安排，不代表 1EdTech、ACM、NIST 或其他机构对 AI Native Builder 的认证。正式证书、学分、职业资格、雇佣结论和生产授权必须由有权机构按其规则另行决定。