研究型碩士的推薦信，常常是申請文件裡最難掌握分寸的一份。你既要讓推薦人願意為你背書，又不想麻煩對方從零開始寫——於是「申請人擬稿、推薦人修改」成了許多申請者採用的折衷方案。當 AI 也加入這個流程，問題就不再只是「該不該讓 AI 寫」，而是「AI 寫完之後，這封信還能不能代表推薦人的真實判斷」。

推薦信的效力來自推薦人，不是來自文字

先釐清一個基本事實：推薦信的學術效力，來自推薦人對你的評價與背書，而非信件的文字修辭。審查委員閱讀推薦信時，真正想了解的是「這位教授／主管認為這個學生的研究潛力如何」，以及「這個評價有沒有具體事例支撐」。

因此，AI 參與草稿本身不構成問題——問題在於草稿的內容是否反映推薦人的真實觀察。若推薦人只是快速掃過、簽名送出，信中的事例與評價可能根本不是他原本的想法，這封信的效力就會大打折扣。

實務上比較穩妥的做法是：你先整理一份「給推薦人的素材清單」，列出你希望對方提及的具體經歷、你參與的研究環節、你貢獻的具體成果，然後請推薦人決定要不要用、怎麼用。AI 可以在這個階段幫你整理素材的結構，但最終信件內容應由推薦人主導。

模板感從哪裡來：三個常見來源

AI 生成的推薦信草稿之所以容易看起來「很模板」，通常來自三個問題：

形容詞堆疊但缺乏證據。 「勤奮好學、思維縝密、具有獨立研究能力」——這些形容詞本身沒有錯，但若整封信只有形容詞而沒有對應事例，讀起來就像從範本複製貼上。

經歷描述過於泛化。 AI 傾向使用「在課堂討論中表現出色」「積極參與實驗室工作」這類安全但模糊的描述。審查委員無法從中判斷你的實際貢獻。

語氣與推薦人不符。 每位推薦人的寫作風格不同：有人習慣長句，有人偏好簡短；有人會直接點出你的缺點再說明如何克服，有人則只談優點。AI 生成的草稿往往採用最「標準」的語氣，反而與真實推薦人說話方式不一致。

保留證據的具體做法

要降低模板感，最有效的方法是讓信件內容緊貼「可驗證的具體事件」。你可以提供推薦人以下素材：

• 你參與的具體研究項目名稱與時間範圍
• 你在項目中負責的特定環節（例如文獻回顧、數據清理、實驗設計）
• 你遇到困難時如何解決的具體例子
• 你產出的可量化成果（例如處理了多少筆資料、寫了多少行程式碼）
• 與你互動的具體場景（例如每週 meeting 時提出的問題、某次報告的表現）

這些素材不需要全部寫進推薦信，但推薦人需要它們來判斷「該強調什麼」。當推薦人將這些具體事件融入信件時，文字自然不會與其他申請者的推薦信雷同——因為你的經歷本身是獨特的。

AI 原創性檢查工具的定位

市面上有許多聲稱能檢測「AI 生成內容」的工具，這類工具通常基於文本的語言模式與統計特徵判斷，而非真正理解內容是否出自人類思考。它們的判斷只能作為參考，不能作為學術誠信的裁決依據。

對推薦信而言，更務實的檢查方式是：把 AI 生成的草稿交給推薦人，請他標註「這不像我會說的話」的段落。推薦人對自己的語氣最敏感，由他判斷哪些地方需要重寫，遠比任何檢測工具都可靠。若推薦人表示「這封信寫得比我自己的話還流暢」，這反而是警訊——表示草稿與他的真實表達差距太大。

提交前的最後確認

在推薦人送出信件之前，務必確認以下事項：

• 推薦人已實質閱讀並修改內容，而非僅簽名
• 信中的事例與你在其他申請文件中描述的一致
• 推薦人對你的評價符合他真實看法（可委婉詢問「您覺得哪些部分需要調整」）
• 信件格式符合學校要求（部分學校有指定推薦信表格或系統）

研究型碩士的推薦信，重點從來不是「寫得多漂亮」，而是「推薦人願不願意為你背書」。AI 可以幫你降低推薦人的寫作負擔，但無法替代推薦人的判斷。把草稿當作溝通的起點，而不是最終成品，才是讓推薦信發揮效力的關鍵。