昨天 Day 27，我們沒有急著打開空白履歷，而是回頭整理課程、專題、研究、實習與打工留下的線索，再透過一輪輪提問，把自己真正做過的事情放進 evidence-bank.md。
方向大致有了，材料也開始累積。這時候最自然的下一步，大概是把所有內容塞進同一份履歷，打開 104、LinkedIn、Cake 或其他求職網站，替自己設定一個很有企圖心的目標：
今天先投三十家。
晚上看著三十封「已完成應徵」，還可以滿意地宣布：
今日求職進度達成。
問題是，履歷寄得越多，不代表成功機率就會照比例上升。有時候只是更有效率地累積「感謝您的應徵」。Day 28 想處理的，不只是怎麼把履歷寫得更漂亮，而是兩個學校比較少教、進入職場後卻很現實的問題：
這份工作需要看見我的哪些經歷？我又要怎麼讓這些經歷真的被人看見？
前一個問題關於匹配，後一個問題關於人際連結。兩件事少了任何一件，求職都可能卡住。
「每個職缺都該有自己的履歷」不是說，今天投資料分析師，就創造一個很會分析資料的自己；明天投產品經理，再換上一段從來沒有發生過的領導故事。
Day 27 已經建立了一條底線：履歷上的重要內容，都應該能回到證據庫找到來源。事實不能改，可以改的是哪些事實放在前面，以及用什麼方式說明它。
例如，同樣是一段淹水預測的課程專題。應徵資料分析工作時，可以先讓對方看見你如何整理降雨資料、處理缺值、評估模型；應徵專案協調相關工作時，則可以先說明你如何和組員分工、釐清需求、處理不同意見，最後把成果交付出來。
專題沒有變，做過的事也沒有變。改變的只是鏡頭先拍哪裡。
可以用電影預告來理解客製履歷。同一部電影，可以剪出強調笑點的版本，也可以剪出強調冒險的版本；但電影裡沒有拍過主角開戰鬥機，就不能為了讓預告更刺激，臨時從別部電影偷一架過來。
客製履歷不是重新做人，而是重新剪輯。
假設你找到一份感興趣的工作。很多人第一個動作是把職缺和履歷一起交給 AI：
請幫我把履歷改成符合這份職缺。
這個要求看似有效率，卻跳過了最重要的一步：我們還不知道公司真正想找誰。
職缺說明通常混在一起寫。有些是進入工作後真的每天會用到的核心能力，有些是加分條件，有些只是公司希望理想人選最好通通具備的願望清單。還有一些要求沒有直接寫出來，只能從工作內容推測。
因此，第一輪可以先請 AI 不要修改履歷，只回答幾個問題：這份工作主要要解決什麼問題？哪些條件是職缺明確要求的？哪些看起來只是加分？哪些內容是 AI 根據文字推測，而不是公司親口說的？
這裡最後一個問題尤其重要。AI 很容易把合理的推測說得像內部消息。例如職缺反覆提到系統穩定與監控，我們可以推測團隊很重視服務能否長期運作；但不能因此宣稱這家公司「最近一定發生過重大故障」。
職缺寫了什麼，是資料；AI 認為它代表什麼，是推論。
把兩者分開，我們才不會在一個猜測上，精心打造整份履歷。
讀懂職缺後，才輪到昨天整理的證據庫上場。
假設職缺希望應徵者能整理資料、使用 Python，並且和不同背景的人合作。我們可以回到 evidence-bank.md，尋找曾經做過的課程專題、研究工作或社團經驗。
有直接證據的，就挑出來。例如你確實用 Python 整理過五千筆觀測資料，程式和報告也還在。有部分相關但經驗不深的，就照實描述。例如只在一次專題裡碰過雲端服務，就不要寫成「具備豐富雲端經驗」。完全沒有的，也先標記成缺口。
如果職缺寫著 Kubernetes，而證據庫從頭到尾都沒有 Kubernetes，AI 最有價值的回答不是「我幫你自然地加進技能欄」，而是：
目前找不到能支持這項能力的經歷。
這句話不太討喜，卻比一份漂亮的假履歷有用。它可能代表這份工作並不適合現在的你，也可能提醒你下一個專題可以補什麼。
履歷不能比你的證據庫更精彩。
對初階求職者而言，職缺缺口也不必直接翻譯成「我不夠格」。職缺常列出十項以上條件，缺少其中一項工具，和缺少工作的核心能力不是同一回事。比起請 AI 算出看似精準的「匹配度 78.4%」，更值得問的是：哪些條件最接近這份工作的核心？我有哪些可靠證據？哪些能力能在合理時間內補上？
那個 0.4 看起來很科學，但我們通常也不知道它是從哪個宇宙算出來的。
證據找完後，才開始製作這份職缺專用的履歷。
一份完整的經歷庫可能放了十個專題、二十幾項成果，但招募者不需要一次看完你的人生全集。客製履歷首先要做的通常不是請 AI 重寫所有句子，而是選擇和排序。
把最相關的經歷移到前面，不相關的先拿掉；同一段經歷裡，也讓最能回應職缺需求的部分先出現。若公司使用的名稱和你的寫法不同，可以在事實一致的前提下調整語言。例如你確實建立過完整的模型訓練流程，而職缺稱它為「機器學習流程」，就可以改成對方熟悉的說法。
但是，對齊語言不等於更換事實。職缺寫 PyTorch，而你只用過 TensorFlow，不能因為擔心履歷系統搜尋不到，就偷偷把 PyTorch 塞進技能欄。
可以翻譯自己的經歷，不能翻修自己的歷史。
完成後，還要自己讀一次。AI 寫出的句子可能很流暢，卻未必是你面試時說得清楚的話。只要有一句讓你心裡冒出「這好像有一點誇張」，就回證據庫重新確認。
做到這裡，我們已經有了一份忠於事實、也回應職缺的履歷。但接下來要談一件學校很少正式教，對求職結果卻可能非常重要的事：人際連結，也就是常聽到的 networking。
學校比較常教我們把事情做好。考試有標準、報告有格式，只要內容夠好，老師通常會看到。但是職場不是一間所有作業都整齊排在桌上的教室。公司可能同時收到數十或數百份履歷，職缺可能很快關閉，也可能早已有內部候選人。適合的人不一定被看見，被看見的人也不一定最適合。
這不是要說能力不重要，更不是說認識人就能取代能力。比較接近現實的說法是：
能力讓你有東西可以被相信；人際連結讓信任比較有機會開始。
一位學長知道你曾經認真完成專題，看過你如何處理問題，當他告訴同事「這個人值得聊聊」，提供的是陌生履歷裡沒有的資訊。這不保證面試，更不保證錄取，但可能讓你的材料多一次被認真閱讀的機會。
學生第一次聽到「建立人際連結」，腦中很容易出現一幅可怕畫面：穿著西裝走進酒會，端著一杯不知道該不該喝的飲料，努力靠近某位大人物，再於第三句話問：「可以幫我內推嗎？」
其實不必從這裡開始。
對剛畢業的人而言，人際連結最先提供的價值往往不是內推，而是學校與職缺說明沒有告訴你的真實資訊：這份工作每天在做什麼？新人最常卡在哪裡？哪些能力進公司後可以學，哪些最好先具備？職缺裡看起來很重要的條件，實際工作中真的那麼重要嗎？
可以先從距離自己較近的人開始：老師、實驗室學長姐、系友、實習同事、社團夥伴，或曾經走過類似轉換的人。如果你是地球科學背景，想往資料分析前進，一位三年前才從地科跨出去的學長姐，可能比遙遠公司的副總裁更知道第一座橋要怎麼過。所以這時候，你就會需要去創建一個Linkedin帳號，從上面去挖對應的人際資源。
第一次聯絡也不用寫成求職公文。簡單說明自己的背景、正在探索的方向，以及為什麼想請教對方即可，保持禮貌即可：
我最近在了解環境資料分析相關工作，看到您也是從地科背景走到這個領域。我想知道新人實際負責的工作，和我目前理解的有沒有落差。如果方便，希望能找十五分鐘請教您的經驗；不方便也完全沒關係，謝謝您。
這段話的重點不是「十五分鐘後得到內推」，而是誠實地理解工作。聊完後記得道謝，也可以告訴對方哪一項建議幫助了你。如果未來完成新專題或真的投遞了相關職缺，再自然地更新近況。關係通常不是交換一次訊息就長成，而是在一次次可信的小互動裡累積。
如果對方了解你的背景，你也找到明確職缺並完成準備，才比較適合詢問公司的推薦流程。
詢問前，至少應該知道公司、職位名稱與職缺編號，準備好對應的履歷，也能簡短說明自己為什麼適合。不要把「你們公司有沒有適合我的工作」整包丟給對方，請他替你做完職涯探索、搜尋職缺與修改履歷。這是一個職涯現場，而非巨嬰試煉場。
即使準備好了，也要留下拒絕的空間。推薦某種程度上是在借用別人的信任；對方可能不了解你的工作方式，可能公司有內部規定，也可能單純不方便。
而且內推不是求職作弊碼。它不等於保證面試，更不等於錄取。比較準確的理解是：它可能增加履歷被看見或被理解的機會，後面仍然要靠職缺匹配、真實證據與面試表現。
沒有人可以內推，也完全可以正常申請。不要讀完人際連結的重要性，立刻得到一個新結論：「完了，我沒有顯赫人脈，所以不用投了。」多數人的人際連結本來就是慢慢建立的。今天沒有，不代表永遠沒有；目前能做的，就是好好投遞，同時開始認識真正在那條路上工作的人。
做到這裡，Day 26 到 Day 28 已經形成一條完整的求職流程：先探索可能方向，再建立可信的證據庫，接著搜尋職缺、讀懂要求、挑選材料並準備投遞。
這些步驟很適合交給 Agent 協助。例如 career-ops 可以幫忙搜尋職缺、整理要求、從證據庫挑選相關經歷，再產生不同版本的履歷。另一個開源工具 Jobsmith 則更貼近台灣求職情境，介面使用繁體中文，也能從 104、Cake、Yourator 與 LinkedIn 等常見來源搜尋職缺，協助履歷健檢、準備客製文件與記錄搜尋結果。
這類工具真正的價值，不只是「一口氣寫一百份履歷」，而是把原本散落在求職網站、職缺說明與個人文件裡的工作接起來。對初學者來說，也不必第一天就把所有功能全部用上；先讓它協助找出幾份職缺，再親自完成一次閱讀、核對與客製履歷的流程，就已經很有幫助。
但工具找到的職缺是否仍然有效、對公司的推測是否有來源、履歷內容是否真能回到證據庫，都需要人確認。
尤其當我們在 104、Cake 或其他平台看到職缺時，可以再搜尋一次公司的官方網站，看看是否有正式的「人才招募」或「加入我們」頁面。除了重新確認職缺名稱、地點、資歷要求與截止狀態，也可能找到平台摘要裡沒有出現的團隊介紹、公司文化或完整工作內容。如果官網提供直接申請的入口，也可以評估是否從官網投遞。
不過，這不是一條「官網永遠比較容易錄取」的秘訣。有些公司使用自己的招募系統，有些公司本來就把 104、Cake 或其他平台當成正式收件管道；若準備請公司內部的人協助推薦，也應先詢問對方公司的流程，再決定要不要自行送出。重點不是迷信某一個入口，而是確認這家公司現在真正使用哪一條管道，也避免對已經下架或內容過時的職缺投入大量時間。
AI 可以替我們節省搜尋、整理與改寫的時間，不能替我們承擔虛假履歷、錯誤投遞或冒失聯絡別人的後果。
求職仍然包含許多不在自己控制範圍內的因素：職缺可能暫停、預算可能改變、公司可能選擇內部人員，也可能剛好出現經驗更接近的人。因此，一次沒有回覆，不等於整個市場否定你。
比較有用的做法，是用一張簡單表格記錄公司、職位、使用的履歷版本、投遞日期、管道與目前進度。等資料累積到一定程度，再觀察規律。
如果投了許多真正匹配的職缺，卻完全沒有面試，可以重新檢查履歷是否說清楚相關證據；如果常通過履歷，卻在同一類技術問題卡住，可能真的找到需要補強的能力；如果只有三份申請沒有回音，先不要急著宣布整個產業已經不需要你。
三筆資料就開始訓練人生模型，統計課老師看了可能會先把你的電腦闔起來。
一次拒絕是一筆觀察，不是人格評價；多次結果形成的規律，才比較值得拿來調整方向。
今天不必一次投三十家公司。先挑一份真的感興趣、也願意花時間理解的職缺，把完整流程走一次：
Day 26，我們讓 AI 幫忙打開職涯地圖；Day 27，我們回頭挖出自己真正做過的事；今天，我們把其中一部分證據送到一個具體機會面前，也開始學習如何讓真實世界的人看見它。
學校可能沒有正式教我們如何建立人際連結，但它並不是少數人的秘密天賦。從一次認真請教、一次說到做到、一次讓別人看見你如何工作開始，我們都在建立自己的信任網路。
求職不只需要能力，也需要讓能力被看見、被理解，最後被相信。
如果這條路順利走下去，有一天可能會收到一封面試邀請。到那一刻，客製履歷、AI 工具與人際連結都只負責把你送到門口。
面試官看著履歷問：「你為什麼選擇這個做法？」如果那段經歷真的是你的，你應該能慢慢說明；如果只是 AI 寫得很漂亮，空氣就會突然安靜下來。這時候連「你不尷尬，尷尬的就是別人」這種大絕招，可能都救不了你。
所以下一篇 Day 29，我們不再繼續美化履歷，而是要讓 AI 坐到對面，根據職缺、履歷與證據庫，陪我們先打一場模擬面試。
iThome鐵人賽
看影片追技術