简短答案: 快速答案：选一两个分析或数据科学项目，写清业务问题、SQL、看板、notebook 或模型评估证据，再让 AI 连接到岗位 JD，禁止编造生产影响、公司指标或 ML 部署经验。
适合人群
适合有课程项目、作品集、SQL、看板、研究、模型评估或 notebook 证据的数据分析、BI、产品分析和初级数据科学求职者。
避免使用情境
不要把课程项目写成付费分析经历，不要声称生产看板、编造指标，或暗示无法证明的 ML 部署经验。
下一步
先写出一个项目的问题-数据-方法-发现-建议-限制链条，再做无法证明句子的投递前审查。
选择有真实问题的项目
优先选择从决策问题出发的项目，而不是只展示图表。比如流失分析、同期群留存、销售漏斗诊断、仪表盘清理、问卷分析，或有明确使用者的 SQL case。需要成稿表达时看数据分析师示例页；需要把项目证据写得可信时用本指南。
区分分析证据和数据科学证据
如果岗位写数据科学家，要说清哪些是分析、哪些是建模、哪些只是作品集。notebook、特征想法或分类器有价值，但求职信必须解释它支持了什么决策问题。
把项目证据匹配到 JD
一个项目对应一个招聘信号，例如 SQL join、仪表盘叙事、实验分析、数据质量、跨部门沟通或模型评估判断。不要把所有工具都列一遍。
可复制 Prompt
请为 [岗位] 写一封简洁的数据分析师/数据科学求职信，只使用这些项目笔记：[项目问题、数据、工具、发现、建议]。证据不足时先追问再起草。不要声称我有付费分析经验、生产仪表盘、ML 部署、业务影响或机密数据，除非我明确提供。
常见问题
作品集项目可以写进求职信吗？
可以，但要诚实标注，并说明它证明了哪种分析判断。
数据科学项目怎么写？
把模型或 notebook 连接到业务问题、评估选择和限制条件，不要暗示你负责过并不存在的生产 ML。