跨專業申請的推薦信，是所有文書裡最難用AI代勞的一份。原因是推薦信的本質是「別人對你的背書」，而背書必須建立在具體的互動經驗上。AI可以幫你整理素材、生成草稿框架、調整語氣，但它無法替你回答最關鍵的問題：推薦人為什麼願意推薦你？他憑什麼判斷你能在新的領域成功？

很多申請者請AI直接寫一封推薦信草稿，然後寄給推薦人簽名。這在實務上很常見，但風險也高：AI寫出來的內容往往缺少具體細節，推薦人讀起來不像自己說的話，簽名時心裡不踏實，面試或審查時被問到細節也答不上來。

AI能做的第一件事：幫你盤點與推薦人的互動證據

跨專業申請的推薦人通常不是目標領域的專家，他對你的了解來自原本領域的互動。AI可以幫你把這些互動系統化整理，讓推薦人看到「原來我們有這些交集可以用」。

請AI列一份問題清單，逐題回答：你在這門課或這個專案中做過什麼具體貢獻？遇到過什麼困難？怎麼解決的？推薦人當時給過你什麼回饋？你後續如何回應那份回饋？

這些答案不需要文采，只需要具體。AI能幫你把它們整理成時間線或事件表，但事件本身必須來自你的真實記憶。如果某件事你記不清細節，寧可刪掉也不要模糊帶過——推薦人一眼就能看出哪些描述是編的。

能力轉譯：AI可以提示框架，但舉證必須真實

跨專業推薦信的核心挑戰，是把你原本領域的能力「翻譯」成目標領域看得懂的語言。例如你從文學轉申請資訊科學，推薦人（文學教授）可以寫你「擅長分析複雜文本結構」，但這個描述對資訊科學的審查委員來說太抽象。

AI可以幫你列出目標領域常用的能力詞彙，例如「邏輯推理」「系統思考」「資料整理」「專案管理」，並提示你「這句話可以怎麼改寫」。但它不會知道你哪個實際經驗對應哪個能力。你需要自己找出那件事：也許是你在大學時自學程式、完成了一個小型文字分析專案，也許是你用統計方法分析文學作品——這些具體經驗才是推薦信裡最有力的證據。

把「做過什麼」和「這代表什麼能力」分開寫。先列事實，再請AI協助你思考這段經歷可以怎麼描述，讓非本領域的讀者也能理解它的價值。

AI不該碰的界線：推薦人的聲音與判斷

推薦信必須聽起來像推薦人寫的。每個人的說話方式不同，AI生成的文字往往帶有一種「標準學術腔」，讀起來不像任何真人。你可以請AI提供幾個不同語氣版本供推薦人參考，但最終的用字與措辭必須由推薦人調整成自己的口吻。

更重要的界線是：推薦人對你的評價與判斷，AI不能代勞。推薦人是否認為你適合這個新領域、願意背書到什麼程度，這是他自己的決定。你可以提供素材與草稿，但不能替他「決定」他對你的看法。

實務上比較穩妥的做法是：你準備一份「事實備忘錄」給推薦人，列出你希望他提到的具體事件與能力，再附上AI生成的草稿版本供參考。推薦人可以選擇直接改寫、部分採用，或從頭寫起。無論哪種方式，最終內容都要經過他本人確認。

跨專業推薦信的常見誤區

誤區一：把推薦信寫成個人陳述。 推薦信的主角是推薦人對你的觀察，不是你對自己的介紹。不要讓AI把個人陳述的語氣帶進推薦信。

誤區二：過度強調「跨領域熱情」。 熱情無法取代證據。與其寫「他對新領域充滿熱情」，不如寫「他自學了Python並完成了一個小型專案」。

誤區三：三封推薦信內容重複。 AI生成時容易讓每封信都提到同樣的事蹟。你應該分配角色：一封強調學術能力、一封強調實作經驗、一封強調個人特質。

交給推薦人之前，自己先做一次檢查

• 信中提到的每件事，推薦人是否都有機會親眼觀察到
• 能力描述是否有具體事例支撐，而非形容詞堆疊
• 語氣是否像推薦人本人，而不是像AI
• 是否已確認目標學校對推薦信格式與提交方式的要求
• 推薦人是否已看過最終版本並同意內容

AI在跨專業推薦信中的角色，比較像「整理助手」而非「寫手」。它幫你把散落的互動經驗變成有結構的素材，幫你思考能力轉譯的可能方向，但真正讓推薦信有份量的，是推薦人願意為你背書的那份真實判斷。把界線畫清楚，AI才能幫你省時間，而不是幫你製造風險。