推薦信產生器:寫出清晰、有據可依的背書

簡述你如何認識候選人、目標職位,以及你能證明的成就。產生一頁推薦信,寄出前再修訂。

AI writing
Claude
GitHub
Google
Linear
Microsoft
Monday
Netlify
Notion
OpenAI
Sentry
Slack
Stripe
Supabase
Claude
GitHub
Google
Linear
Microsoft
Monday
Netlify
Notion
OpenAI
Sentry
Slack
Stripe
Supabase
柔和的白色 AI 工作區,帶有證據標籤和浮動輸入框,並顯示推薦信草稿預覽。

先寫清關係與證明點

使用本推薦信產生器時,先說明你如何認識對方、認識多久、目標職位或專案,以及兩到三項你站得住腳的成就。只寫名字的提示詞容易編造誇獎;一份簡短的證據說明才能讓推薦信可信。若候選人還需要求職文案,可指向求職信產生器

柔和的聊天式工作區,上方是簡要說明卡片,下方是漂浮面板中的潤飾推薦信結果。

搭出讓讀者信任的結構

要求包含關係背景、明確背書、兩段緊扣機會的證據,以及結尾願意進一步溝通的邀請。第二輪修訂通常比從頭重生更能用事例替換形容詞。更精準的修訂提示見怎麼寫出真正好用的 AI 提示詞

漂浮的推薦信卡片疊在柔和的高級漸變背景上,對比籠統草稿與有證據支撐的修訂稿。

刪掉編造誇獎,並重用說明

刪掉你無法核實的指標、未觀察到的同儕排名,以及沒有例子的空泛軟實力。把已確認的證據留在專案裡,方便寫下一封。草稿穩定後,可用AI 郵件產生器寄出,或用AI 信件產生器起草相關便函。

使用 Ottermind 可以完成的事

推薦前員工

將職責、觀察到的優勢與具體成果,連結到下一份職位的要求。

支持學生申請

將課程、專案、成長與課堂證據化為可信的學術推薦。

撰寫研究所入學推薦

以推薦人能夠佐證的案例,說明研究能力、獨立思考、準備程度與契合度。

表揚志工或領導者

描述服務、主動性、協作與對社群的影響,不誇大此人的角色。

如何使用本推薦信產生器

步驟 01

鎖定證據說明

列出候選人、你的關係與時長、目標機會,以及你實際觀察到的成就。拒絕「誇他很厲害」這類空泛請求。

步驟 02

產生初稿

產出可評估的結構:可信度、背書、具體證據,以及可聯繫的結尾。

步驟 03

做一輪準確性與語氣修訂

確認每條說法都符合你觀察到的事實,並只在願意在後續電話中為這封信負責後再寄出。

創作者為何選擇 Ottermind

證據先於形容詞

先說明關係與證明點,避免推薦信產生器編造你無法辯護的誇獎。

保留專案脈絡

在起草下一封背書時,把已確認的成就、語氣與過往信件整理在一起。

聚焦修訂輪次

可分別要求更簡潔、更學術,或更強的結尾背書,而不必丟棄原有說明。

對比側重點變體

用同一套證據分別產生偏領導力與偏技術的版本,再做選擇。

在 Studio 中繼續

把已接受的信件帶入 Studio,並保留原始證據說明,方便最終潤飾。

常見問題

什麼是推薦信產生器?

推薦信產生器把關係背景與證據整理成可編輯的結構化背書。在 Ottermind 中,你提供如何認識候選人、目標機會以及你觀察到的成就,與協作式智能體一起產生草稿,寄出前再核對準確性。它不會取代你的判斷,也不會編造你未親歷的經歷。

提示詞裡應包含什麼?

包含候選人姓名與職位、你的關係與時長、目標工作或專案、兩到三項具體成就(有指標更好),以及偏好語氣。缺少證明點的空泛提示,通常只會得到削弱推薦信的泛泛誇獎。

這和 recommendation letter 是一回事嗎?

是的。「推薦信」、「recommendation letter」與「letter of recommendation」指的是同一類文件。本頁幫助你為工作、學校或其他機會起草這類背書。無論怎麼稱呼,都保持結構具體。

這和求職信有什麼不同?

求職信由申請人自己撰寫。推薦信由經理、老師或同事為他人背書。若需要面向申請人的文案,請使用求職信產生器

它會替我編造成就嗎?

不應如此。請指示草稿只使用你提供的證據,並在資訊不足時標註缺口,而不是編造指標或同儕排名。最終信件中的每一條說法仍由你負責。

推薦信之後還應做什麼?

儲存已確認的證據說明,方便下次請求。用AI 郵件產生器寄出信件。若候選人需要申請材料,可指向求職信產生器AI 履歷生成器

探索更多

部落格精選

用真實證據起草下一封推薦信

帶上關係背景、目標機會與你能證明的成就。用本推薦信產生器寫出清晰推薦信,仔細修訂,並在 Ottermind 中保持說明連貫。

撰寫推薦信