文章最後更新於 2026-04-23
映辰的背景，大概會讓很多人覺得「這樣也能在美國找工作？」
大學念物理，研究所轉環境工程，工作之後做了一年硬體測試工程師，再去念 CS 線上碩士，接著在台灣外商寫 C++ 做智慧電視嵌入式系統。不是原本就唸 CS，沒有名校光環，英文也不是母語，開始在美國求職市場從零摸索，開始在美國找工作。
整整半年，他投了履歷、改了履歷、準備面試、拿到 Meta、Tesla、SpaceX 還有自駕車新創 Aurora、Neuro 的面試，最終透過獵頭意外拿到一份自駕車公司的 offer，年薪超過 10 萬美金。
這篇文章，特別適合這幾種人讀：背景不是「標準 CS」卻想在美國科技業找到位置的人、不知道履歷要怎麼量化才不像在瞎掰的人、或是已經開始投履歷，但搞不清楚到底是哪個環節出了問題的人。
延伸閱讀：從電機碩士到 年薪600萬的AI 工程師｜用談判替自己多加薪 100 萬台幣 (美國找工作)
美國求職攻略
希望陪你走過美國求職馬拉松，整理了我自己、朋友的經驗，幫助你在逆境中，找到好工作！
內容包含：簡歷、LinkedIn、相關準備資源、準備面試的方法，希望讓你在美國求職路上更順暢。
如果在美國求職上遇到困難或挑戰，或想在90天內拿到美國高薪Offer，歡迎跟我預約1對1免費諮詢！
- 找工作資源彙整
- [美國求職] #0 美國面試資源彙整，必備15個網站、2本書、4個Projects
- [美國求職] #1 北美科技產業市場，SDE? DE? DS? DA? BA?
- Resume & LinkedIn
- 面試準備
- 學員見證
- 職涯剖析系列
- Data Analyst: [數據分析師 Data Analyst] 薪資最高不是Google？
- Data Engineer: [資料工程師Data Engineer]年薪20萬美元？Meta在找哪種人？3個技能要求
- Data Scientist: [資料科學家Data Scientist] 年薪薪水20萬美元？Uber在找哪種人？職涯發展
- Full Stack Engineer: [全端工程師Full Stack Engineer] Meta, Google薪水不是前五？職涯發展
- Backend Engineer
- Machine Learning Engineer
- 學習資源推薦
歡迎訂閱我的IG: @nyc.engineer.jack
文章目錄
學員基本資料
| 學歷 | 物理系學士、環境工程碩士、CS 線上碩士 |
| 台灣工作經歷 | 硬體測試工程師、智慧電視嵌入式系統工程師（C++） |
| 目標職位 | Software Engineer（嵌入式系統 / 自駕車方向） |
| 拿到面試的公司 | Meta、Tesla、SpaceX、Aurora、Neuro |
| 最終 offer | 美國自駕車公司（500 人規模，軍用自駕車），年薪 10 萬美金以上 |
| 求職總時長 | 約半年 |
一、「投履歷」這件事，我一開始根本沒有策略
Q：你剛到美國開始找工作，最大的困境是什麼？
其實說起來有好幾層。第一個是語言——我之前在台灣外商工作，英文有用，但就是沒有很順。第二個是不知道履歷要怎麼寫，我自己上網查，知道要「量化履歷」，但我對這件事內心是有點排斥的。會覺得說，很多數字都是瞎掰出來的，有點在膨風的感覺，我不喜歡這樣。
後來得到一個蠻好的心理建設：量化不是要你去吹嘘什麼優化了幾%，而是讓面試官知道你做的專案有多大的規模。比如說這個專案涉及幾個人、你做了幾個專案。這些數字加進去之後，面試官就比較能想像你的工作是什麼量級的。
還有個問題是不知道到底要怎麼投。要海投嗎？要全部走內推？要花時間去 coffee chat？這些我都不確定，後來才有比較有效率的方式去做取捨。
二、我的舊履歷，跟改過之後的版本，差非常多
Q：具體來說，履歷改了什麼？
我第一版自己寫的履歷，跟後來改過的版本，差異是非常顯著的。
有幾個點：一個是我之前的課程作業，我本來根本不敢放，覺得才花一兩天做的東西有什麼好放的。但其實那一兩天背後，是幾個禮拜甚至幾個月去學的知識，它是有被列出來的價值的。
另一個是市場調查這件事。我的背景比較廣——C++、資料工程、AI/ML 都有碰過，所以我把履歷分成幾個版本，針對不同方向去投。後來發現其實拿到面試最多的還是 C++ 嵌入式系統這條線。
朋友幫你看履歷，通常不會大改，方法不會整個重做。找Jack看後，是整套方法重新來過——先做市場調查，弄清楚市場在找什麼技能，然後再去對照自己有什麼、怎麼呈現。
延伸閱讀：[美國求職] #2 英文履歷的5個原則、履歷範本，Google, Amazon注重什麼？
三、BQ 面試：我非常討厭「說故事」，但不準備真的過不了
Q：面試準備這塊，你覺得哪個部分最有挑戰？
技術面試我自己刷了不少 Leetcode，這部分比較有系統，可以自己練。系統設計也是自己來。
最不喜歡的是 BQ，就是行為面試——給我一個情境，說一個你過去的經驗。我非常討厭這種題目。我知道 STAR 的模板，但我自己寫出來的版本就是跟別人的不一樣，不知道為什麼。後來發現問題在兩個地方：第一，有點冗長；第二，沒有講到重點，就是面試官真正想聽到的那個點。
有人幫你把故事順過一次之後，就大概知道方向在哪了。尤其 Amazon 的 BQ 是真的需要非常細緻的準備——領導力原則一大堆，那個真的要花時間。
另外有一個問題是 Phone Screen 的部分。我跟 HR 通話的時候，講私人的事情，然後 HR 就開始往這個方向問，這種讓我很尷尬的問題。後來才知道應該要用比較正向的方式說為什麼換工作，比如說對新的產業有興趣、覺得自己已經到了一個可以往下一步走的階段——這樣 HR 就不會把話題導到奇怪的地方去。
四、準備面試的時候，還要繼續投履歷嗎？
Q：面試跟投履歷同時進行，你怎麼分配時間？
這也是一個我當初很困惑的問題。你花時間投履歷，就少時間準備面試；你全心準備面試，又怕漏掉機會。對沒有經驗的人來說，真的不知道怎麼取捨。
後來知道：當你進入面試準備階段，可以稍微放鬆投履歷的節奏，不一定每天還要拼命投幾十間。有人告訴你「現在可以緩一下，專心準備這場面試」，你心裡就比較安心，知道這樣做是對的。
我覺得這種「什麼時候該做什麼事」的節奏感，是自己摸索很難建立的，因為你沒有別人的參照，不知道自己做的量是多了還是不夠。
五、從 Phone Screen 到 Final Round，面試時間怎麼安排？
Q：你可以說說一場完整面試大概是什麼流程、時間怎麼抓嗎？
大概是這樣：HR 的 Phone Screen 通常很快，打來聊一下基本背景、為什麼換工作、對公司的了解。有時候當下就說可以進下一關，有時候幾天後通知。
Phone Screen 結束到第一關技術面試，大概是一到兩週。這個中間的時間，你自己可以調——想排快一點，一週內也可以；想多準備幾天，你跟 HR 說就好。
第一關技術面試通過之後，到 Final Round，我通常會抓兩週多一點。不要拖太久，但也不要太緊，因為 Final Round 要準備的東西真的不少。
Final Round 大概是四到五關，每間公司形式不太一樣。像 Aurora 因為是自駕車，有一關完全是考汽車動力學和矩陣相關的物理題，跟一般軟體工程師面試很不一樣。通常會有系統設計一關、BQ 一關（常常是直接跟你未來的主管聊）、然後兩關左右的技術題。
有一個要注意的是，不同公司的流程邏輯不太一樣。聽說 Amazon 是只要有一個 candidate 面過了，後面的人就會暫停，所以如果你去面 Amazon，時間要抓緊一點。Google 可能是所有人面完再一起決定。這個要自己查一下每間公司的狀況。
延伸閱讀：[美國求職] #4 Amazon, Google面試，常見的3個面試流程
六、投了十幾到二十次全沒回應的公司，最後透過獵頭面上了
Q：你最後的 offer 是怎麼來的？
蠻有趣的。我找工作找到 10 月底，覺得快到求職淡季，就回台灣一趟，給自己一個藉口休息一下，懶得投了。但這段時間還是會收信，就收到現在這間公司透過獵頭來找我。
這間公司其實我之前就一直在投——投了十幾到二十幾次，全部都沒有下文。但獵頭找來之後，就有安排面試了。
這間公司的面試風格跟一般不太一樣。技術題非常少，最後只留了 5 到 10 分鐘考一題，我大概 5 分鐘就寫出來，面試官還有點驚訝。大部分時間是在聊過去的工作經驗——你怎麼做測試？你怎麼確保你的程式是正確的？你習慣怎麼跟別人溝通？
獵頭跟自己直接投最大的差別，是他們會一直給你戰報。我面完第一關，獵頭就說面試官很喜歡我。這種即時的反饋，讓整個過程壓力少很多。他們也會提示大概第一關會問什麼方向，命中率還蠻高的。
七、從面試的過程，我才找到自己真正有興趣的領域
Q：這半年下來，最意外的收穫是什麼？
我覺得是更清楚自己想往哪個方向走。
一開始我也不確定——C++ 嵌入式、資料工程、AI/ML、後端工程師，好像都可以投投看。但在準備面試的過程中，你需要去調查每間公司在做什麼，然後你就開始慢慢知道自己對哪個領域有感覺。
我在準備自駕車公司的面試的時候，開始查自駕車的技術背景，越查越覺得有趣。這個領域跟我大學念的物理有關，也跟嵌入式系統有關，感覺蠻 match 的。後來就越來越不想投其他方向的缺，最後面上的也是自駕車公司——有點像是在這個過程中，慢慢摸索出了自己的興趣。
一開始就是盲人摸象，但是在摸的過程中，其實慢慢看清楚了一些東西。
八、求職的每個環節，要做到多好才算夠？
Q：很多人投履歷投一直沒結果，但不知道到底是哪個環節出了問題，你怎麼看這件事？
這個問題我覺得很重要，因為你可能是履歷沒寫好、可能是技術面試準備不夠、也可能是 BQ 根本沒準備。但如果你搞不清楚是哪裡出問題，然後拼命去改一個其實沒問題的地方，那再怎麼努力也沒用。
所以你需要看每個階段的轉換率。比如說：我投了多少履歷、拿到幾個 Phone Screen？Phone Screen 通過了幾個、進到技術面試？技術面試又有幾個進到 Final Round？這樣你才能看出是哪個環節的轉換率特別低，然後知道要加強哪裡。
問題是，如果你是自己一個人找，你只有自己一個樣本，很難判斷「我這個轉換率是正常的還是有問題的」。這就是有人幫你看數據、給你 benchmark 比較重要的地方——你要知道每個階段大概要做到幾%，才算是 OK 的。
九、在美國上班，跟台灣最不一樣的地方
Q：實際開始在美國工作之後，跟在台灣上班有什麼感受上的差異？
最大的差別是語言。我現在這間公司幾乎都是美國本地人，他們講英文就是母語，語速很快，他們在聊天的時候我基本上聽不太懂。
工作上的技術詞彙還算好理解，但是 small talk 就比較難。他們會問你「你周末要幹嘛」或是講一些他們自己的話題、笑話，有時候還沒想過這個問題，或是文化背景不同，就很難接話。
合作習慣上，因為我之前在台灣是在外商，所以倒是沒有感覺到太大的衝擊，風格差不多。主要還是語言的部分，這個需要時間去適應。
十、進了新公司之後，我怎麼為下一次求職做準備
Q：你現在已經上岸了，接下來你怎麼規劃自己的職涯？
我覺得這次美國找工作的過程讓我學到一件事：等到真的要找工作的時候再倉促準備，太累了。
所以我現在的做法是，我們公司每兩週有一個 sprint，我就借這個機會把自己這兩週做了什麼整理下來——一方面是給自己看，二方面 leader 也需要看。這樣累積下去，等到下次要更新履歷的時候，那些細節都在，不用去回想三年前的專案到底做了什麼。
我給自己設定的目標是，至少每半年更新一次履歷，順便去看一下市場現在需要什麼技能，確保自己沒有跟市場脫節。
技術上，我現在在學 Linux Kernel，希望可以繼續精進，不然等下次找工作，履歷下面還有一大堆當初修課的東西，那就太難看了。英文也要繼續練，這個慢慢來。
延伸閱讀：從電機碩士到 年薪600萬的AI 工程師｜用談判替自己多加薪 100 萬台幣 (美國找工作)
結語：現在痛苦，還是以後更痛苦
映辰在訪談最後說了一句話，我覺得很實在：「現在痛苦，還是以後更痛苦，就是這樣而已。」
美國找工作這件事，它逼你去正視自己在市場上的真實價值。你不能待在一個地方很安穩，好幾年都沒有做什麼真正有貢獻的東西，然後突然被 fire，才開始慌。及早去面對，至少你知道自己的市場價值在哪，知道哪個產業正在成長、哪個正在萎縮。
跳槽的薪水漲幅，通常也比原地升遷多很多。待在同一間公司每年漲 5%，跳槽可能直接 20 到 50%。這是比較現實的部分，但這也是為什麼這個痛苦過程，最後往往會帶來一些不錯的結果。
至於那間他投了二十幾次都沒有回音、最後透過獵頭面上的公司——我覺得這件事本身就說明了一件事：你在求職過程中做的所有準備，不會浪費，只是不知道在哪個時間點、透過哪條路，會突然用上。
如果在美國求職上遇到困難或挑戰，或想在90天內拿到美國高薪Offer，歡迎跟我預約1對1免費諮詢！
歡迎訂閱我的IG: @nyc.engineer.jack
北美求職攻略
- 美國求職文章
- [北美求職] #0 找工作面試資源，必備15個網站、2本書、4個Projects
- [北美求職] #1 北美科技產業市場，SDE? DE? DS? DA? BA?
- [北美求職] #2 英文履歷的5個原則、履歷範本，美國科技公司注重什麼？
- [北美求職] #3 LinkedIn教學，提升找工作效率的3個技巧
- [美國求職] #4 Amazon, Google面試，常見的3個面試流程
- [北美求職] #5 如何準備面試？實用技巧？需要多少時間準備？
- 職涯分析
- Data Analyst: [數據分析師 Data Analyst] 薪資最高不是Google？職涯發展、日常工作、3個技能需求
- Data Engineer: [資料工程師Data Engineer]年薪20萬美元？Meta在找哪種人？3個技能要求、職涯發展
- Data Scientist: [資料科學家Data Scientist] 年薪薪水20萬美元？Uber在找哪種人？3個技能要求、職涯發展
- Full Stack Engineer: [全端工程師Full Stack Engineer] Meta, Google薪水不是前五？職涯發展
- Backend Engineer
- Machine Learning Engineer
- 美國求職教學
- 履歷準備
- 面試準備
- 薪資談判
- LinkedIn教學
- 薪資、公司評價、求職網
- 求職常見問題：
- 職場發展
- Resume&LinkeIn講座影片
- 服務
