本站：内置 AI 数字分身的个人网站
一个会替我回答面试官问题的网站——网站本身就是 AI 工程能力的证据
问题
简历上人人都写「熟练使用 AI」，但面试官无法验证。怎么把「会用 AI」从一句空话，变成可以现场体验、可以看过程、可以看设计取舍的证据？
做法
与 Claude Code 协作完成全流程：先用多 agent 深度调研工作流（5 个搜索角度、22 个来源、12 条交叉验证结论）摸清中英文世界的做法，再做架构设计，然后实现。核心设计：content/ 单一数据源同时驱动页面渲染与 AI system prompt；真 AI 与演示模式走同一套流式协议、自动降级；system prompt 里写死防幻觉边界——资料外的问题直说不知道。
结果
1 天（2026-06-11 当天完成）
从调研到上线
仅 1 个（聊天框）
客户端 JS 岛
0（无数据库/向量库）
外部基础设施
AI 在这个项目里的角色
AI（Claude Code）承担市场调研、方案设计、全部编码与验证；我承担需求定义、关键决策（岗位定位/语言/AI 接入方式/部署）与内容把关。每一步的真实 prompt 公开在构建日志里。
为什么做这个
找工作时「会用 AI」已经是简历上的高频词，但说出来没有分量。这个网站把主张变成证据：
- 面试官可以现场和 AI 分身对话，体验它如何基于真实资料回答、如何拒绝编造；
- 可以看设计——system prompt、降级链路与全部技术取舍公开在「AI 分身架构」页（源码可应邀提供）；
- 可以看过程——构建日志里是真实的 prompt、AI 的失误与纠正、每个阶段的用时。
三个值得一提的设计决策
1. v1 故意不用 RAG。 简历语料只有几 KB，全量放进 system prompt 比向量检索更准（没有召回失败）、更便宜（固定前缀命中厂商 prefix cache）、零基础设施。什么时候才值得上 RAG，写在架构页的 roadmap 里。
2. 单一数据源。 页面上展示的资料和 AI 读到的资料来自同一组文件，架构页展示的 prompt 就是线上真正在用的 prompt——同一个函数的输出，没有造假空间。
3. 优雅降级链。 真 AI → 演示模式 → 静态页面。没配 key、key 失效、上游故障，站点都完整可用，且每条 AI 回复都诚实标注它来自真模型还是预设问答。
验证
四场景矩阵：无 key（演示模式）、真 key（流式 + 防幻觉抽查）、错误 key（无缝降级、无 5xx）、连发请求（限流 429）。详见构建日志。