研究型碩士的推薦信，通常不是一封「這個學生很優秀」的泛泛背書，而是推薦人對你研究潛力的具體觀察紀錄。正因如此，把草稿交給 AI 做語言修改時，最大的風險不是文法錯誤，而是語氣變順的過程中，事實被悄悄改寫——例如把「參與過三次實驗室討論」變成「主導實驗室討論」，或把「協助整理文獻」升級成「獨立完成文獻綜述」。
AI 語言修改的合理邊界，是處理「這句話讀起來卡卡的」或「這個轉折太生硬」這一類問題，而不是重新詮釋你做過什麼。以下從實作角度拆解，哪些句子結構值得保留原樣，哪些地方可以放心調整。
事實句與評價句：分開處理才不會越改越失真
推薦信裡大致有兩種句子：事實句描述具體發生的事，評價句表達推薦人的判斷。兩者對 AI 修改的容忍度完全不同。
事實句例如：「該生在 2024 年秋季學期加入我的實驗室，負責整理三組實驗數據，並在每週組會上報告進度。」這類句子包含時間、數量、角色、具體任務，任何一個詞被替換都可能造成事實偏移。交給 AI 時，應明確要求「只改文法與語序，不替換任何具體名詞、數字、時間與角色描述」。
評價句例如：「我認為該生具備獨立提出研究問題的能力。」這類句子本來就帶主觀判斷，AI 可以協助調整語氣強弱——例如從「我認為」改成「就我觀察」，或把「具備」換成「已展現出」。但要注意，語氣調整不應改變推薦人的立場強度。推薦人原本寫「有潛力」，你不該讓 AI 改成「表現卓越」，這已經不是語言修改，而是內容誇大。
修改語氣時，優先動「連接詞」與「句長」，不要動「動詞」
語氣不自然，通常出在兩處：一是連接詞過度重複，二是句子長短缺乏變化。這兩個地方是 AI 修改最安全的切入點。
舉例來說，草稿若連續三句都以「此外」開頭，你可以讓 AI 改寫其中兩句的開頭，例如換成「另一方面」「值得注意的是」，或直接合併成一個長句。這種調整不觸碰事實內容，卻能明顯改善閱讀節奏。
相對地，動詞是推薦信裡最容易出問題的詞類。「協助」「參與」「負責」「主導」代表的參與程度完全不同。修改語氣時，應要求 AI 不得替換任何描述你參與程度的動詞。如果推薦人原本寫「協助設計問卷」，AI 不該擅自改成「設計問卷」；如果原本寫「參與數據分析」，也不該變成「領導數據分析」。
一個實用的做法是：在把草稿交給 AI 之前，先自己圈出所有動詞短語，並在指令中註明「以下動詞短語不得修改」。這比事後逐句比對更有效率。
修改後的事實核對：不要只看「讀起來對不對」
AI 修改後的草稿，讀起來通常會比原稿流暢，但流暢本身不是正確性的保證。你需要的是一份「修改前後對照」，而不是只看修改後的版本。
具體做法：把原稿與修改稿並排，逐句核對以下項目——
- 所有數字（年份、次數、人數、百分比）是否一致
- 所有時間描述（學期、月份、期間）是否一致
- 所有角色描述（協助、參與、負責、主導）是否一致
- 所有具體成果（論文題目、獎項名稱、專案名稱）是否一致
- 所有推薦人的個人資訊（職稱、機構、聯絡方式）是否一致
如果 AI 工具不提供逐句對照功能，你可以自己把原稿分段貼上，要求 AI 只輸出修改後的段落，再手動比對。這個步驟不能省略，因為語言模型在改寫時，可能為了讓句子更「漂亮」而微調事實——多數時候不是故意的，但後果一樣嚴重。
推薦人視角的語氣：AI 不該讓推薦人「說出」沒寫過的話
研究型碩士的推薦信，語氣必須符合推薦人本人的表達習慣。一位習慣簡潔風格的教授，推薦信不該突然出現華麗的修辭；一位以英文授課的推薦人，草稿語氣也應與其日常寫作一致。
AI 語言修改最常見的偏差，是讓所有文本趨向同一種「標準化專業語氣」。這種語氣單看沒有問題，但放在具體推薦人身上可能顯得不自然。因此，修改語氣時應提供推薦人的背景資訊，例如「推薦人為副教授，寫作風格直接、少用形容詞」，並要求 AI 在修改時保持這種風格。
另一個容易被忽略的點是：推薦信結尾的推薦強度。研究型碩士的推薦信，通常會有一段話說明推薦人對申請者的整體評價，例如「我強烈推薦」「我樂意推薦」「我支持其申請」。這段話的語氣直接影響審查委員的判斷，AI 修改時不應擅自調整強度。如果推薦人原稿寫的是「支持」，AI 改成「強烈推薦」，即使文法更順，也已超出語言修改的範圍。
最後，無論 AI 修改得多好，最終版本都應由推薦人本人過目並確認。推薦信是推薦人的署名文件，不是申請者的自我介紹。讓推薦人看到修改前後的對照，確認語氣符合其意願，這既是程序上的尊重，也是避免日後爭議的必要步驟。
研究型碩士的申請，審查委員讀推薦信時看的是「這個推薦人觀察到了什麼」，而不是「這封信寫得多漂亮」。AI 可以幫你把話說得更順，但觀察本身必須來自推薦人。修改語氣、保留事實，這句話值得在每一次使用 AI 潤飾推薦信時，再想一遍。