分數怎麼算，AI 負責什麼

四個維度，一百分

每個維度都有明確的量測方式：

• 量化密度（30 分）：有多少比例的 bullet 帶著招募方看得懂的數字。60% 就拿滿分。有些職位一半的工作是 design review 跟跨部門協調，要求更高只會逼人編數字。[N] 佔位符不算數字，年份也不算。
• 動詞力度（25 分）：每條 bullet 的開頭動詞分三級。宣告結果的、描述實作的、把功勞讓給別人的（supported、assisted）。開頭不是動詞，這條零分。
• 廢話率（20 分）：比對一份填充詞詞典（various、successfully、familiar with 這一類），抓到一處扣一處。拿掉這些詞，篇幅幾乎不變，但讀者看得到你做了什麼。
• 結構完整（25 分）：外商履歷該有的段落在不在。學歷、經歷、技能、聯絡信箱，加上 bullet 的數量與厚度。

[N] 規則：缺的數字不代編

你的資料裡沒有的數字，AI 不會補。改寫需要數字的地方，稿子上留一個黃色的 [N] 空格，由你自己填。

只要稿子上還有 [N] 沒填，總分最高就是 84。一份還沒填完的履歷，不該拿到完成品的分數。

這條規則的理由在面試現場。寫上去的每個數字，被追問的人是你。編出來的數字守不住，代價比沒有數字更高。

AI 負責什麼、不負責什麼

AI 做兩件事。一是把你的中文或英文素材改寫成外商水準的英文，句法跟著你選的產業視角走。二是在審閱時用文字說明扣分的句子差在哪。

AI 不打分數，分數是規則引擎算的。它也不發明數字，不發明你沒提供的經歷。改寫只用你給的素材。

範例頁的內容原則

履歷範例頁上的英文範例都是為說明而寫的示意句，不取自任何使用者的履歷。需要數字的位置一律標 [N]。範例不掛真實公司與真實姓名，也不引用捏造的統計數據。

每頁標注發布與更新日期。日期只在內容真的改過時才會動。

不保證什麼

我們量的是履歷好不好讀、有多少證據，跟你的能力無關，也不預測錄取結果。沒有任何履歷工具能保證面試或 offer，我們不會假裝可以。

這頁的數字，各自從哪裡來

首頁那句「外商 HR 掃一份履歷平均 7.4 秒」不是我們量的，出自 Ladders 於 2018 年發表的履歷 eye-tracking 研究（The Ladders, "Eye-Tracking Study", 2018）。它是這個產品的前提，不是我們的成果，所以標明出處。

除此之外，這個網站上所有的數字都不是引用來的，是算出來的：四個維度的權重、84 分上限、量化密度的門檻，全部讀自 lib/rating/score.ts，同一份稿重測一百次都一樣。範例履歷裡的 [N]、[X%]、[$Y] 是空格，不是資料——那正是我們拒絕替你填的位置。

我們不引用沒讀過的研究，不寫「調查顯示」而沒有調查，也不在站上放沒有真實評分的星等。哪天有了自己的統計，會連同樣本數與方法一起發。