使用课程、项目、志愿和兼职经历作为证据，同时不把它们包装成正式就业. 请提供: 实习或应届岗位、已核实早期经历、申请规则. 预期成果: 准确标注证据和学习缺口的入门岗位求职信.
你填写的内容只保留在当前浏览器中，AILesson 提示语不会将其发送给模型或服务器。
未填写的字段会保留为占位符，你仍然可以复制后自行编辑
请根据已核实的早期经历起草实习或应届生求职信。
岗位机会与选拔标准：
[opportunity]
课程、项目、实践、兼职、志愿活动、工具和成果：
[experience]
申请人自己表达的动机、字数、语气、缺口、隐私和禁用主张：
[rules]
按相关性而不是名气选择证据。准确标注课程、模拟任务、个人项目、志愿活动和正式工作。说明申请人在小组项目中的个人贡献，并保留未知成果。不得编造成绩、领导责任、规模、客户使用、发表、奖项、熟练度或对组织的热情。返回简洁求职信、标准到证据表、缺失事实和提交检查。从输入到成果
看看具体背景如何通过这条配方转化为可使用的成果
尊敬的招聘经理：
我申请数据运营实习，是因为喜欢找出数字无法对账的原因，并记录一条可靠的修正路径。
在经济学大二小组项目中，我们清理了一个 3200 行的公开交通数据集。我个人负责定义缺失值标签、编写清理日志，并比较修改前后的总计。小组在课堂展示了发现；没有证据表明成果在课程外得到使用。在周末咖啡店工作中，我也会核对收银表和票据，并提出无法解释的差异，而不是强行让数字一致。
我使用过 Excel Tables、筛选和 COUNTIF，能够提供细致检查和步骤记录方面的证据。我没有使用 Python，也没有处理过公司的运营数据，因此这些会是实习期间需要学习的领域。
此致 敬礼 [姓名]
标准映射：表格细致度—课程和咖啡店证据；文档—清理日志；质量检查—前后总计；问题沟通—无法解释的收银差异。发送前确认课程日期。
准确的证据标签让申请人能够使用真实早期经历，而无需夸大。
个人贡献规则可防止把小组成果变成个人主张。
项目、课程、志愿活动和就业经历是否准确标注？
申请人的个人贡献是否清楚？
求职信是否回应选拔标准，而不是罗列所有活动？
更有把握地使用
了解这条配方何时适用、需要提供什么，以及哪些内容仍需人工复核
使用“起草实习或应届生求职信”前，请准备实习或应届岗位、已核实早期经历、申请规则。只用可核实的信息替换占位符；如果某项未知，就明确保留未知状态，不要让模型自行推断。
如果结果还不能根据所给证据实现页面所述成果“准确标注证据和学习缺口的入门岗位求职信”，或仍依赖未解决假设、缺失批准或编造细节，就不能使用。把检查项当作放行门槛：应修正来源输入，或指定有权限的复核者，而不是润色一个缺乏支持的输出。
截至 2026-08-29，“起草实习或应届生求职信”尚无已记录的模型试跑。应把它视为跨模型模板，而不是兼容性声明。先运行页面中的实际案例，保留全部约束，并用结果检查核对输出后再用于真实材料。
继续完成任务
将最有力的岗位证据压缩为补充附件而非重复附件的申请邮件
呈现内部工作证据与动机，不假设特殊信息、背书或选拔优势
将可迁移证据连接到岗位，同时如实保留直接经验缺口