AI 能让作品集很快上线，但碳排放查询工具提醒你别把原型当成品

Guilherme 说自己用 AI 做了求职作品集，还感叹这是自己部署最快的项目之一。另一边，Prashant Lonikar 的 GHG Emissions Finder 也标明了它是早期原型、还不够稳健。两个例子放一起看，比单纯夸“AI 做东西真快”更有用：AI 确实能压缩开发时间，但原型能不能交给别人用，取决于你有没有把边界写清楚。

Guilherme 这个作品集，刚好是 AI 擅长的形状

从公开信息看，Guilherme 把自己定位成 Full Stack Developer，作品集涉及 React.js、Next.js、TypeScript 和 Node.js，仓库名是 kira8000/pavaneli-site，也提到开放巴西远程岗位。
这类项目特别适合先用 AI 辅助：

• 页面结构重复： 作品集通常就是首页、关于、项目、联系方式，AI 很擅长先搭出可运行的骨架。
• 技术栈常见： React.js、Next.js、TypeScript 这几种组合的资料多，AI 生成基础组件的稳定性相对高。
• 错误成本低： 哪怕文案不够准确、样式不够精细，影响主要是观感，不会直接造成业务损失。
• 目标是验证： 求职作品集首先要能打开、能展示项目，AI 帮你先跨过“从零到能部署”这段最劝退的路。

所以 Guilherme 说它快，我倾向相信。问题在于，这种“快”很容易被误用到别的地方。

GHG Emissions Finder 把原型工具该写的丑话都写了

GHG Emissions Finder 的定位是探索用 AI 查找可持续发展信息，作者直接说它还是 early prototype，not yet fully robust。更关键的是它给出了几条可核对的运行限制：

• 耗时： 每查询一家公司，搜索和分析文档大约需要 2 分钟。
• 数据来源很窄： 它只分析公司在网上自己发布的 PDF，比如年报或可持续发展报告。
• 抓取会失败： 有些公司的网页 PDF 有较强安全保护，作者点名 Saudi Aramco 就是可能分析不了的例子。
• 有自定义入口： 使用者可以自己提供 PDF 链接，最多 10 条，再点 Analyze With These Links。
• 结果可导出： 页面支持 Download Results as CSV。
• 明确免责： 数据由自动化 AI 流程生成，没有经过独立核验，不能作为金融、投资或其他关键决策依据。

这些说明不是谦虚，而是把一个 AI 原型最容易翻车的地方提前标出来了：数据源单一、PDF 可能拿不到、输出没人核对、耗时也不低。它甚至留了反馈邮箱 [email protected]，让使用者把问题和建议直接返给作者。

如果让我 review 这两个项目，我会分开处理

在公司里推 AI 工具，我最怕的就是把这两种项目混为一谈。

• Guilherme 的作品集： 错了顶多是项目描述写飘了，或者样式不对，属于可快速修复的展示层问题。
• GHG Emissions Finder： 错了可能影响别人对某家公司排放情况的判断，属于会被拿去做参考、甚至做决策的数据问题。

我会给 GHG 这类工具加几条上线前的硬约束：

1. 输出只要可能进入决策链，就必须保留原始 CSV，让使用者自己能核对。
2. 每个字段都要写清楚来源，不能只写“AI generated”。
3. 抓取失败要显式暴露出来，比如某家公司 PDF 被安全策略挡住，就应该返回失败原因，而不是给一个空结果。
4. 耗时要提前告诉用户，像“每家公司约 2 分钟”这种信息比宣传“秒出结果”更可信。
5. 免责声明不能只在关于页面，要出现在结果附近。
6. 反馈渠道要真的有人看，不然原型永远不知道哪里坏了。

我的判断

AI 提效是真的，Guilherme 能更快把作品集做出来并不神奇；真正值得学的是 GHG Emissions Finder 那种态度——不把“能跑”说成“可用”，也不把自动化输出说成经过验证的数据。
所以别只抄“AI 帮我快速上线”这一层。把边界、失败模式、数据来源、导出方式一起做进去，原型才有可能变成别人愿意用的东西。