博士申請的 CV 不是把大學時期所有經歷塞進兩頁紙，也不是求職網站上那份「技能清單」的加長版。招生委員會想從這份文件中讀出的是：你過去幾年的學術選擇是否連貫、你的研究能力是否具體可驗證、以及你對自己所在的領域是否有足夠的判斷力。這些判斷，AI 無法替你完成，但它確實可以在你已經想清楚的基礎上，幫你把材料整理得更清楚。

問題在於：AI 可以寫到哪一步？如果只是把零散資料丟進去，要求「幫我寫一份博士 CV」，你得到的往往是一份看起來工整、讀起來空洞的模板。真正的協作方式，是把 AI 當成一位熟悉學術格式的編輯，而不是替你思考的研究顧問。

先把自己的學術軌跡拆成可驗證的模組

在打開任何工具之前，先將你的經歷按博士申請的閱讀邏輯重新分組。一般職業簡歷重視工作職責與成果數字，博士 CV 則更看重以下幾類資訊的完整度：

• 已發表或已接受的論文，註明作者序、期刊或會議名稱、年份；
• 未發表但已完成的研究手稿或工作論文；
• 參與過的實驗室、田野調查或研究計畫，以及你實際承擔的部分；
• 教學或助教經驗，特別是獨立授課或設計課程的經歷；
• 學術服務，如審稿、會議籌辦、系所委員會；
• 技術方法，例如程式語言、統計工具、實驗設備或檔案分析軟體。

把這些內容先以條列方式寫出來，不要急著修辭。AI 初稿協作的第一個用途，是讓它幫你檢查這份清單是否有遺漏的常見模組，而不是讓它決定你該放什麼。

AI 能做的：結構、措辭與格式一致性

當你已經有了一份粗糙但真實的經歷清單，AI 可以協助三件事。第一，重新排列模組順序，讓最有力的證據往前放。例如申請研究型博士時，發表記錄通常優先於教學經驗；但如果你申請的是以教學為主的博士項目，順序可能相反。你可以把目標項目的特質告訴 AI，請它提出排序建議，再自行判斷是否合理。

第二，將口語化的描述改寫成學術履歷的措辭。例如「我幫老師整理了很多數據」可以改為「協助處理與清理實驗數據，並參與統計分析流程」。但這裡有個關鍵：AI 改寫時可能自動加入你沒有做過的工作，例如把「整理數據」擴充成「設計資料庫架構」。每次改寫後，你必須逐句對照原始事實，確認沒有超出實際貢獻的措辭。

第三，統一格式。日期格式、標點符號、粗體與斜體的使用、條列符號的層級，這些細節影響閱讀流暢度，卻不需要你花太多心力。把格式規範寫清楚，讓 AI 依照同一標準調整全文，可以省下不少時間。

你必須自己完成的：策略性取捨與學術敘事

AI 無法告訴你哪一段經歷對某個特定博士項目最重要，因為它不認識該系所的教授、不知道該領域近年的研究走向、也無法判斷你的競爭者大概呈現了什麼輪廓。這些資訊你可能也無法完全掌握，但至少你比 AI 更清楚自己為什麼選擇某條研究路徑。

具體來說，以下工作不應該外包：決定刪除哪些經歷、如何解釋中斷的學術軌跡、如何將跨領域背景包裝成優勢、以及如何讓 CV 與 SOP 或研究計畫形成互補。AI 可以幫你列出「刪除某些經歷的利弊」，但最終的取捨理由必須是你能在面試中自然說出口的。

另外，學術誠信是絕對紅線。不要讓 AI 幫你「潤飾」研究貢獻，例如把「參與討論」改寫成「主導研究設計」，或把「協助撰寫」改寫成「共同第一作者」。這類改動一旦被發現，後果遠比 CV 不夠亮眼嚴重。

提交前的最後核對清單

完成初稿後，以下項目值得逐項檢查：

• 每一條經歷是否都能對應到具體時間、機構或成果，且與成績單、推薦信或發表記錄一致；
• 是否遺漏了目標項目明確要求的資訊，例如某些歐洲博士職位會要求列出推薦人聯絡方式；
• 是否有 AI 改寫時加入的、你無法在面試中進一步說明的內容；
• 格式是否與目標系所的申請系統相容，例如是否要求 PDF、是否有頁數限制；
• 是否已請一位熟悉該領域的人（而非 AI）幫你讀過一遍，確認沒有語感或邏輯問題。

博士申請 CV 的最終目的是讓審查者對你產生「這個人知道自己在做什麼」的印象。AI 可以幫你把句子寫得更清楚，但「知道自己在做什麼」這件事，只能來自你對自己學術軌跡的真實掌握。把 AI 放在編輯的位置，而不是作者的位置，這份 CV 才會真正屬於你。