cold-email-writer

Cold Email Writer

何时使用此技能

当用户想要：

• 给招聘经理、创始人或招聘人员写一封冷启动联络邮件
• 就一个没有人推荐的职位空缺主动联系对方
• 向他们想要加入的公司介绍自己
• 提及：“cold email”“reach out”“intro email”“outreach”“contact hiring manager”

核心原则

冷邮件之所以失败，是因为听起来像求职信。目标是让邮件读起来像一个聪明的人真心注意到了这家公司某个具体之处，而不是一个大肆宣扬自己资历的候选人。

邮件应该给人的感觉： 一位同事提到自己读到的有趣内容，而不是推销。

模板结构

主题

Quick intro — [First Name Last Name]

简单直接。不要标题党。不要写职位名称，只写姓名。

开头——引子（2-3 句话）

从真正吸引候选人的内容写起。必须针对这家公司，不能是泛泛的赞美。

I just came across [Company] and ended up spending more time on it than I expected.
[One specific thing that caught their attention — a stat, a product decision, a market insight from the JD or website]

好的引子应具备的特点：

• 公司材料中的具体数字或统计数据（“只有 5% 的市场实现了线上化”）
• 能体现你了解这一领域的产品决策（“你们正在与核保人员并肩从零构建，而不只是做分销”）
• 职位描述中的技术见解（“改善用于大模型的基础设施，而不只是模型层”）

糟糕的引子示例：

• 泛泛而谈：“我喜欢你们正在做的事情”
• 含糊不清：“你们的使命让我很有共鸣”
• 阿谀奉承：“你们是这个领域最令人振奋的公司之一”

所在地说明（如涉及跨国情况）

如果候选人和公司不在同一个国家，尽早并自然地说明：

Before you read further, I should mention I'm based in [country]. But if we both
feel there's a strong fit, I'd be open to figuring things out.

经验差距（如适用）

如果职位要求的工作年限多于候选人实际拥有的年限，简短承认这一点，然后转移话题：

The role mentions [X] years of experience — I'm at [Y], but the work I've
shipped is production-facing and I'd rather you judge that directly.

正文——介绍自己（3-5 句话）

当前职位 → 相关过往经历 → 一两个项目。结合语境来写，不要罗列。

A bit about me: I currently work at [Company], [one line on what the company does],
where I [what they actually do there — not a job title]. Before that I worked
with teams in [region], mostly around [relevant domain].

On the side I've been building [Project] ([link if applicable]) — [one line: what
it is and one proof point like "got to paying clients" or "20K downloads"].

规则：

• 将工作经历作为背景介绍，而不是证明自己有多优秀
• 不要罗列成就（“我将 X 提升了 Y%”），让项目本身说明问题
• 如果目前所在公司是远程办公，且团队由欧洲或国际成员组成，要明确说明
• 项目最多提一两个，只选最相关的

联系点（1-2 句话）

说明候选人的背景与具体职位之间的联系。应像是在陈述观察，而不是提出主张。

I think you're looking for [what the role actually wants] — that's the kind of
work I've been doing, and honestly I feel like I'd be a strong fit.

或者写得更具体：

My stack maps naturally to yours — [specific tech overlap]. But more than the
stack, it's the [domain/problem] that I'm genuinely interested in.

作品集链接

More about me: [portfolio URL]

一行即可。不作展开。

结尾

以不施加压力但充满自信的语气收尾。不要显得急切，也不要太官方。

I'm currently at [Company] and open to what's next. I think my experience lends
nicely to what you're building — so I think we'd both get something out of a
conversation.

[First Name]
[email]

避免使用：

• “期待您的回复”
• “请查收我的简历”
• “我非常希望能有机会……”
• “我很期待有机会加入……”

写作前的调研

写邮件前，先收集以下信息：

1. 公司角度——阅读公司网站、职位描述或“关于我们”页面。找出一个值得提及的具体细节。
2. 收件人姓名——查看 LinkedIn、团队页面或 AngelList。相比“您好，招聘经理”，每次都应优先使用“您好，[姓名]”。
3. 相关项目——将候选人最相关的工作经历与职位领域对应起来。
4. 技术栈重合——只有确实匹配时才提及。

如果用户提供了职位描述，但没有提供公司网站，请向用户索要，或先查找公司网站，再开始写作。

长度指南

• 理想长度： 200–300 个词
• 最长： 400 个词
• 最短： 150 个词（不要为了简短而删掉实质内容）

只要每句话都有价值，长一些也没关系。删掉任何适用于所有公司的内容。

输出格式

始终将最终邮件放在普通代码块中，方便直接复制粘贴：

Subject: Quick intro — [Name]

Hi [Name],

[Email body]

[First Name]
[email]

应避免的常见错误

过于自信： ❌“我会是贵团队的杰出成员” ❌“我的背景让我在这个职位上具有独特优势” ✅“我觉得自己很适合这个职位”——表达自己的看法，而非断言

过于谦卑： ❌“我知道自己可能没有你们需要的全部经验，但是……” ❌“我只是抱着试试看的心态联系您……” ✅直接承认不足，然后继续往下说——不要道歉

内容太长： ❌用三段列出所有成就 ✅一段介绍背景，一段说明双方的联系

内容太泛泛： ❌以“我写信是为了表达我对……的兴趣”开头 ✅以具体吸引你关注这家公司的原因开头

没有做足功课： ❌“我喜欢你们的产品和使命” ✅“这个 5% 的数据——250 亿美元的市场中，线上部分仅占 5%——看起来不像是功能上的差距，而像是整个行业尚未数字化”

邮件示例

Subject: Quick intro — Sarah Chen

Hi Marcus,

I just came across Meridian and spent more time on your site than I planned.
What pulled me in was the framing around your data infrastructure — you're not
just building an LLM layer on top of existing records, you're rethinking how
clinical data flows through the system in the first place. That's a harder
problem and a more interesting one.

I'm based in India, flagging that upfront. Happy to figure out the rest if
there's a real fit.

I currently work at Lune, a London-based climate intelligence company, where I
build event-driven data pipelines and agentic AI workflows for emissions
compliance — regulated, data-intensive systems where reliability isn't optional.
I also built Memos, a RAG system from scratch: hybrid retrieval, reranking,
ChromaDB, FastAPI. And InframetAI, an SDK for LLM cost and latency
observability that came out of seeing what breaks when the data layer isn't
designed around how models actually work.

I think you're looking for engineers who've actually built AI systems end to
end, not just wrapped APIs. That's the work I've been doing.

More about me: yourportfolio.com/about

I'm currently at Lune and open to what's next. I think my experience maps
closely to what you're building — so I think we'd both get something out of
a conversation.

Sarah
[email protected]