在寫書審自傳時，我一直覺得「邏輯順序」比文筆重要得多。
很多人沒有先想清楚，就直接開始寫，最後往往會走向兩個極端之一：
一種是履歷流水帳，把經歷一條一條列完；
另一種是情緒濃縮版心得作文，看起來很努力，但看不出方向。
但在書審裡，自傳從來不是用來交代人生的。
它真正要回答的，其實只有書審委員心中的一句話：
這個人是不是一個能完成學業、動機合理、風險可控的招生對象？
這一篇我想談的，不是修辭技巧，而是自傳的「故事結構」該怎麼先想清楚。
結構對了，內容自然就會順。
---
##一、自傳不是寫作問題，而是「故事結構」問題
回顧前兩篇，我們其實已經校正過幾個很重要的前提：
- 書審不是作文比賽
- 自傳不是在比誰努力
- 委員關心的是可預期性與風險
所以，自傳真正的功能，不是「交代你做過什麼」，
而是讓委員在有限時間內，快速完成三個判斷：
- 你是走哪一條職涯線的人？（Who）
- 你為什麼會在現在這個時間點申請？你累積了什麼準備？（Why）
- 你打算解決什麼問題？大概會怎麼走？（How)
如果這三件事在自傳裡是清楚、連得起來的，
很多細節其實就不會被放大檢視。
---
## 二、下筆前，先把故事「攤開來」：從發散到收斂
我自己在準備在職碩士申請時，其實不是一開始就直接開始寫自傳。
第一步要做的更像在做專案前的需求盤點：
先把所有可能用得到的素材，毫無保留地攤出來。
可以真的拿便利貼，或用任何你習慣的工具，先不管順序、不管好不好看，把所有想到的經歷都列出來。
以我當時為例，大概攤出了這些素材：
#### 求學背景
- 師範大學數學系
- 長期接受邏輯推理與抽象建模訓練
- 修過程式設計、統計相關課程
- 開始對資料分析與模型應用產生興趣
#### 進修與轉向
- 非本科背景，意識到只靠自學不夠
- 報名資策會資料分析師班，完成實作專題
- 系統性接觸 Python、資料處理與基礎機器學習
#### 工作經歷
- 結訓後進入產業
- 核心工作為 AI 視覺應用開發
- 參與 AOI＋AI 檢查設備建置
- 面對真實產線資料、效能與穩定性問題
#### 卡點與限制
- 實務做得出來，但底層理解不足
- 系統設計與擴展能力找不到改進方向
- 發現「能用」和「能長期運作」差很多
#### 申請時間點
- 工作第三年
- 職涯方向已明確，不是試水溫
- 目標是補齊資工基礎，讓工程解法可交付、可擴展
這一階段只有一個重點：
要對自己誠實，把素材完整攤開。
有些朋友可能會在這一步卡住，
因為一攤開也許會發現：能支撐申請動機的素材都不夠。
但發現了也是好事，因為可及早發現不足，就能及早有針對性的補足需要的"標籤"，而不是等到申請時才臨時拼湊。
---
## 三、收斂的關鍵：不是挑最厲害的，而是挑「最合理的」
素材攤開後，下一步不是挑亮點，
而是問自己一個更殘酷的問題：
哪些素材，真的能支持我現在這個申請時間點？
於是，我開始做減法。
- 跟資工申請連結度低的 → 刪
- 看起來努力，但沒有推動職涯方向的 → 弱化
- 無法回扣現在動機的 → 不放進主線
老實說，刪掉一些「其實不差」的經歷並不輕鬆。 但不刪，整份自傳就會搞得像拼貼，對自己反而不利。
最後留下來的主線如下：
- 一個有數學背景的人
- 在資料與 AI 應用實務中能完成任務
- 在工程與系統層面遇到瓶頸
- 於是在職第三年，選擇回到學校補齊資工基礎。
這幾個關鍵字句，就是整份自傳的骨架。
---
## 四、有了骨架，接下來才是把內容寫進去
這時候，才真的開始寫自傳。
我會強烈建議一件事：
每一段先幫自己下一個「一句話小標」。
不是為了排版好看，而是給委員「掃描用」。
人類閱讀書審的方式，本來就不是逐字讀， 第一眼能不能對齊方向，比細節完不完整更重要。
下面是一個示意結構，並非完整範本，只是說明「故事怎麼被放進結構裡」。
做了那些專題，還有工作專案實績等等內容細節要填入多少，就依個人需要做動態調整
---
### 【求學經歷：以數學訓練培養問題拆解與邏輯建模能力】
我畢業於師範大學數學系，長期接受以抽象推理與邏輯分析為核心的訓練。這樣的背景，讓我在面對複雜問題時，習慣先拆解結構、釐清假設，再尋找可驗證的解法。
大學後期接觸資料探勘技術與模型應用，透過專題實作，我開始理解資料科學並非停留在理論層面，而是能被放進現實場景中實際運作的技術。這段經驗，使我逐漸確立往資料與 AI 應用領域發展的方向。
---
### 【職涯轉向：從理論興趣走向資料與 AI 實務】
畢業後，有感於自己資料科學基礎能力不足，因此報名資策會資料分析師培訓班， 系統性補齊程式、資料處理與基礎機器學習能力，並透過製作專題將理論技能轉化為實務應用。
結訓後入職於XX科技，進行 AI 視覺應用與 AOI 檢查設備開發，在產線環境中，我開始面對資料品質波動、物件分類準確率優化，以及系統長時間運作的穩定性問題，技術不再只是模型本身，而是整體工程與場域條件的整合。
---
### 【職涯實務反思：工作可交付，但難以長期穩定】
隨著專案複雜度提升，我逐漸發現問題並非單一模型優化，而是需要多面向考量，例如:
模型在實驗環境中表現良好，但部署到產線後卻出現效能不穩定；當資料量增加或規格改動時，原有架構難以快速調整；系統存在效能瓶頸，卻無法從底層找到根本原因。
這些工作經驗讓我體認到，如果希望系統能夠長期穩定運作，而非一次性完成交付，理論基礎必須更紮實。。
---
### 【自我期許：AI與產業應用的整合專家】
在工作第三年，我對自己的職涯方向已有明確定位： 希望從能完成任務的角色，進一步走向設計與整合系統的技術角色。讓模型不只是能跑，而是能在現場穩定運作。因此選擇報考資訊工程學系在職專班，將既有實務經驗與理論能力整合，逐步朝向 AI 與產業應用整合專家的方向發展。
---
## 五、總結
有些朋友常常糾結於：「報考動機要怎麼寫？」
我的看法是：
如果自傳結構對了，動機不需要另外硬想。
因為整個故事結構成立的同時，也已經回答了：
- 為什麼是現在
- 為什麼是這個系所
- 為什麼是在職
下一篇，我們會繼續往下拆解：
👉 **研究計畫/讀書計畫，為什麼「寫給誰看」比「寫什麼」更重要。**
