博士 CV 和求职简历不是一套逻辑。
求职简历常常强调经历多、技能多、适配岗位快；博士 CV 更看重的是，你是否做过像样的研究，是否能进入导师的课题组继续推进一个问题。
很多学生不是背景差，而是 CV 没有把经历翻译成“研究能力证明”。
导师看完只知道你参加过项目、上过课程、拿过奖，却看不出你真正解决过什么问题。
一、导师第一眼在找什么
导师通常不会先被学生组织、通识证书和泛泛奖项打动。
他更关心的是：你研究过什么问题，用过什么方法，承担过什么贡献，最后有没有可追溯的产出。
如果一段经历只写“参与某某项目，负责数据整理和分析”，信息量很弱。
更有价值的写法，是把问题、方法和结果写清楚，比如用了什么模型、处理了什么数据、和 baseline 相比有什么改进，最后形成了报告、poster、代码库还是论文初稿。
二、科研经历要写贡献，不是写在场证明
博士申请 CV 里，“参与”两个字最好少用。
导师真正想知道的是，你在这段研究中到底做了什么，哪一部分是你独立推进的。
每段科研经历可以按三个问题重排：
研究问题是什么？
你用了什么方法或工具？
最后产出了什么，哪怕只是阶段性结果？
没有正式论文也不等于没有研究潜力。
本科毕设、硕士课题、课程 research project、实验报告、conference poster、GitHub 代码库，只要能说明完整的“提问-设计-执行-总结”过程，都可以成为 CV 里的有效内容。
三、和申请方向无关的内容要果断删
博士 CV 不是把人生经历全部放进去。
如果一项内容不能帮助导师判断你的研究能力、方法基础、方向匹配或学术训练，就要考虑压缩甚至删除。
很多 CV 超过两页，不是因为经历太多，而是因为没有做筛选。
把空间留给最能证明研究潜力的经历，比堆满奖项和活动更有用。
四、每段经历都要和目标方向接上
博士申请最怕“经历看起来不少，但方向断开”。
导师不会自动替你解释：为什么一段实习、课程项目或竞赛经历，和他的课题有关。
如果你申请供应链优化，而你做过 ERP 系统实习，就不要只写“负责系统模块开发”。
要尽量说明其中是否涉及调度、流程优化、数据分析、算法实现或业务约束建模。
如果你申请计算生物、AI 医学或材料建模，也同样要把过去经历里的方法、数据、实验或代码能力，主动翻译成和目标课题相关的证据。
五、改 CV 前先做一次取舍
不要一上来就改格式。
先问自己四个问题：
这段经历能不能证明我做过研究？
能不能看出我的具体贡献？
能不能和目标导师方向产生连接？
有没有产出可以被追溯？
如果四个问题都答不上来，这段经历就不应该占太多篇幅。
博士申请 CV 的重点不是“我很忙”，而是“我已经具备进入研究训练的基础”。
