研究型碩士的CV與授課型碩士不同。授課型碩士看重你的課程成績、實習經驗和課外活動，研究型碩士則看重你有沒有做過研究、參與到什麼程度、能不能獨立思考問題。審查者讀你的CV時，不是在看你的頭銜有多響亮，而是在判斷你能不能撐過兩年的論文研究。
當你打算用AI整理CV時，最常見的錯誤是直接把舊CV丟進去讓AI改寫。AI會把原本模糊的描述寫得更流暢，但它不會知道你實際上做了什麼、參與了哪個環節、用了什麼方法。結果是一份讀起來很專業、但經不起追問的CV。研究型碩士的面試或套磁信中，導師很可能直接問你：「你在那個項目裡具體負責什麼？」如果你答不出來，CV寫得再好也沒用。
素材盤點的核心：把研究過程拆成可驗證的環節
研究型碩士CV的素材盤點，重點不是列出你做過什麼題目，而是把每個研究項目拆成具體環節，標明你在每個環節的參與程度。常見的研究環節包括：文獻蒐集與綜述、研究問題的提出、方法選擇、數據收集、數據分析、結果解讀、論文寫作、投稿或發表。
對每個環節，你要問自己三個問題：
- 這個環節我是否親手做過？還是只旁觀或協助？
- 我用了什麼具體工具或方法？例如Python、SPSS、訪談、實驗設計、檔案分析。
- 有沒有可以佐證的產出？例如報告、投影片、程式碼、數據集、論文段落。
把每個環節的答案寫成一句話，不要寫形容詞，只寫事實。例如「在指導教授的實驗室中，負責收集50份問卷並用Excel整理數據」比「熟悉問卷調查與數據處理」更有說服力，因為前者可以被驗證。
把盤點結果轉成AI可用的素材格式
盤點完成後，你會得到一份雜亂的筆記。這些筆記不適合直接貼給AI，因為AI無法判斷哪些資訊重要、哪些是重複的。你需要在交給AI之前，把筆記整理成結構化的素材。
建議格式是：每個研究項目一個區塊，區塊內按「項目名稱、時間、你的角色、具體任務、使用的方法或工具、可驗證的產出、指導者或合作者」七個欄位填寫。這七個欄位是AI最容易理解和重組的結構，也是審查者最想看到的資訊。
整理時有一個原則：只寫你願意在面試中被追問的內容。如果你不確定某個工具你算不算「熟練」，就不要寫「熟練」，改寫「使用過」或「在課程中操作過」。AI會把你提供的詞語放大，你寫「使用過」，它可能擴寫成「具備扎實經驗」；你寫「在課程中操作過」，它可能擴寫成「獨立完成」。所以你在素材中就要控制強度，不要給AI留下過度詮釋的空間。
AI整理CV時，哪些部分可以交給AI、哪些不可以
AI在CV上的合理用途是結構重組、用詞統一和版面調整。例如你提供了五個研究項目的素材，AI可以幫你決定哪個放前面、哪個放後面，可以幫你把「做了問卷」「發放問卷」「收集問卷」統一成「設計並發放問卷」，也可以幫你把長句拆成CV常見的短句格式。
但AI不適合幫你判斷哪些研究經驗值得放進CV。這個判斷需要你對目標實驗室或目標系所的研究方向有理解，知道對方重視量化研究還是質性研究、重視田野調查還是實驗設計。AI不知道你申請的實驗室做的是什麼，它只會按照一般CV的邏輯排序，可能把你最相關的經驗排在後面，把不相關的課外活動放在前面。
另外，AI不適合幫你補上你沒有的經歷。研究型碩士的CV不需要看起來什麼都會，但必須誠實。如果你沒有發表過論文，就不要讓AI幫你寫「研究成果即將投稿」；如果你沒有用過某個統計軟體，就不要讓AI在技能欄加上它。審查者看過太多CV，他們一眼就能分辨哪些是實際做過的、哪些是湊出來的。
交給AI前後各做一次核對
素材盤點完成、交給AI整理之後，你還要再做一次核對。這次核對不是看AI寫得好不好，而是確認AI沒有擅自添加你沒有的內容。
具體做法是：把AI生成的CV逐行對回你的原始素材。每一行提到的項目、時間、工具、方法、產出，都要能在素材中找到對應。找不到對應的，直接刪掉。不要因為AI寫得流暢就保留，流暢不是真實的同義詞。
核對時特別注意AI常犯的「技能膨脹」。你在素材中寫「在課程中使用過Python」，AI可能把它擴寫成「熟練掌握Python，具備數據分析與機器學習應用經驗」。如果你實際上只寫過幾十行程式碼，這個描述就是過度宣稱。研究型碩士的導師很可能會問你具體用Python做過什麼，你回答不出來時，比不寫更糟。
研究型碩士的CV，最終目的是讓審查者相信你有能力完成一個研究項目。這個相信不是靠華麗的詞彙建立的，而是靠具體、可驗證、經得起追問的細節。素材盤點做得越扎實，AI能發揮的空間越大，你的CV也越接近真實的你。