我的简历学会了回答，我却禁止它编造我

简历通常是一场庄重的独白。作者罗列自己认为重要的一切，读者则试图在日期、职位和团队合作的表述之间，找出自己问题的答案。

我试着颠倒顺序，让访客问自己需要的内容。有金融产品经验吗？在阿联酋做过什么？能看某个具体项目吗？这样的作品集像对话，但价值取决于它能否准确回到原始材料。

这是我的对话式简历的存档版本。它展示通过对话开始了解的方式；演示中的回答预先准备好了。

开始对话

归档界面 · 演示数据

先找到，再好好回答

项目有问题路由器：把查询与主题和项目匹配，考虑文本匹配和额外语义信号。直接进入主题或项目是确定性行为。自由提问则由当前配置通过 Workers AI 合成答案；生成不可用时，回到准备好的作者内容。

这里是关于专业经历的示例对话。可以尝试现有主题，查看原始界面如何引导预备回答，而不访问 AI 服务。

预备对话

归档界面 · 演示数据

模型收到有限的材料片段和最近的对话历史。两者作用不同：历史帮助理解问题，而关于我经历的事实必须来自内容。访客刚称我为宇航员，不是把飞行写进传记的理由。

访客不用我的措辞时，语义检索很有用。“银行应用”和“金融科技”可能指向同一经历。但词语相近不能证明事实：如果对方问我是否领导过大型工程团队，不能找一个相近案例就悄悄给我升职。

因此，回答必须与检索到的内容关联。项目链接是答案的一部分，不是可有可无的装饰。匹配较弱时，追问澄清比从概率中拼出可信传记更好。

语音是另一个入口

语音改变提问方式，但不能改变允许使用的事实。识别之后，系统仍然要完成同样的任务：找到合适材料，并提供清楚的路径。

我把它看作实验性的作品集形式。代码里存在语义路由，不代表每个问题都能理解正确，也不代表访客更喜欢聊天而不是普通作品列表。这要观察人们如何使用。

不过，我喜欢这个方向。优秀作品集不必让所有人读同一篇自传。它可以根据人的兴趣解释经历，前提是健谈的界面背后仍有可核验的作者。

成果是进入作品集的另一种方式：访客提问，获得通往相关材料的路径。内嵌对话为演示预先准备。语音和实时生成的能力，需要与这些画面的质量分开验证。

相关故事：Source 与 Operator · 网站终端。