跨專業申請最大的矛盾，往往不在於你「不夠資格」，而在於你手上已有的經歷，對方看不懂。你讀了四年經濟，想轉申請數據科學；你本科唸的是機械工程，現在想進人機互動研究所。招生委員翻開你的CV時，腦中浮現的第一個問題不是「你優秀嗎」，而是「這個人跟我們系上有什麼關係」。
AI語言修改工具在這個環節確實幫得上忙，但它的價值不在「把句子改漂亮」，而在幫你把語氣從「原專業的內部語言」轉成「目標領域能快速理解的表述」。問題是，語氣可以調整，事實不能移動。本文想說清楚這兩者的分界。
語氣調整的真正對象：動詞、描述層次與資訊排序
跨專業CV最常見的毛病，是整份文件沿用原專業的術語和評價標準。你寫「負責建構計量模型並進行穩健性檢驗」，對經濟系來說很清楚，但對教育科技系來說，這句話的份量被埋住了。AI能幫你做的，是把這類描述重新分層。
具體做法是把每條經歷拆成三層：你做了什麼（動作）、你用了什麼方法或工具（技術細節）、這件事產生了什麼可觀察的結果（成果）。AI語言修改的合理用途，是幫你把三層資訊重新排列，讓「成果」往前放，「方法」緊隨其後，「動作」作為支撐。語氣調整不是換形容詞，而是調整資訊的優先順序。
另一個實用的調整是動詞替換。原專業常用的「分析」「評估」「管理」，在跨領域CV裡往往太抽象。AI可以幫你找出更具體的行為動詞，例如「設計問卷並收集200份有效樣本」「建立Python腳本自動化資料清理流程」。但這裡有一個關鍵前提：替換動詞時，你不能把「參與」寫成「主導」，也不能把「協助」寫成「負責」。語氣可以更積極，但職責範圍不能擴大。
哪些地方AI不該碰：數字、時間軸與機構名稱
AI語言修改工具對語法和句構的建議，多數時候是可靠的。但涉及事實陳述的部分，你必須把它當成「不可編輯區」。這包括：
- 所有數字：GPA、排名、分數、金額、樣本數、百分比。AI可能為了讓句子更流暢而建議你刪掉「約」字，或把「超過50人」改成「超過百人」——任何這類改動都不可接受。
- 時間順序：入學年份、畢業年份、實習期間。AI在重組句子時，可能無意間改變時間的前後關係。
- 機構與職稱：學校名稱、公司名稱、正式職稱。這些是無法被「潤飾」的事實。
一個實用的檢查方法：把AI修改前後的版本並排，用螢光筆標出所有數字、日期、專有名詞。只要這些元素有任何變動，直接還原。語氣可以改，事實不行。
跨領域的「可遷移技能」怎麼寫才不空洞
跨專業CV最容易被AI帶偏的地方，是「可遷移技能」這個段落。AI很擅長生成「具備優秀的分析能力與團隊合作精神」這類句子——但這正是招生委員最不買帳的寫法。
比較好的做法，是讓技能描述依附於具體經歷。與其寫「具備數據分析能力」，不如寫「在畢業專題中以Python分析交通流量數據，並提出三項改善建議」。與其寫「擅長跨文化溝通」，不如寫「於交換期間與來自六個國家的組員協作完成市場調查報告」。
AI在這裡的合理角色，是幫你從原經歷中「提取」可遷移的面向，而不是「生成」新的能力描述。你可以把自己寫好的經歷丟給AI，問它：「這段經歷中，有哪些元素可能對教育科技領域有吸引力？」它給出的候選清單可以作為參考，但最後寫進CV的每一句話，都必須能回溯到你真實做過的事。
修改後的核對流程：不只檢查錯字
語言修改完成後，建議跑一遍以下核對流程，而不是只靠肉眼讀過：
- 事實清單：把CV中所有可驗證的項目（數字、日期、機構、職稱、獎項）列成一張表，逐項與原始資料比對。
- 語氣一致性：請一位不熟悉你原專業的人讀一遍，問他是否能說出你「做了什麼」以及「做得如何」。如果他只能說出「感覺很厲害」，代表描述仍然太模糊。
- 領域慣例：查閱目標系所的網站或教授個人頁面，確認你使用的術語與該領域的慣用表述一致。跨專業申請不是要你假裝本科就讀該領域，但至少要用對方聽得懂的語言說話。
- 版本保存：保留修改前的原始版本和每一輪修改紀錄。這不只是為了追蹤，也是為了確保最終提交的內容，每一句都經你確認。
跨專業CV的目標不是讓你看起來像本科就是唸這個領域的人，而是讓招生委員相信：你過去的訓練，讓你具備了進入這個領域所需的基礎能力，而且你有清楚的動機把這些能力用在新的方向上。AI可以幫你把話說得更清楚，但只有你知道哪些話是真的。