2026 ATS 履歷軟技能怎麼寫?5 大步驟 + 範例輕鬆掌握

2026 求職新挑戰:為什麼軟技能在 ATS 履歷中更重要?

進入 2026 年,職場生態圈正經歷前所未有的變革。隨著人工智慧與自動化技術的普及,許多過去被視為核心競爭力的硬體技能(Hard Skills)正面臨被取代或標準化的命運。然而,人類獨有的「軟技能」(Soft Skills)卻在此刻凸顯其不可取代的價值。所謂的軟技能,指的是溝通協作、情緒管理、批判性思考與適應力等特質,這些能力讓求職者能在複雜多變的環境中脫穎而出。尤其在履歷篩選環節,ATS(Applicant Tracking System,應徵者追蹤系統)的演算法已大幅升級,不再僅僅比對關鍵字,而是能透過語意分析,評估候選人過往經歷與目標職位所需特質的匹配度。

許多求職者常有個誤解,認為軟技能過於主觀,難以量化,因此在履歷中輕描淡寫,甚至只在自傳最後一段寫上「本人具有良好的溝通能力與抗壓性」等制式語句。但在 2026 年的求職市場,這樣的寫法不僅無法打動人資,更容易在 ATS 初篩階段就被判定為缺乏競爭力。因為現代化的 ATS 系統會搜尋特定的情境動詞與成果數據,來判斷你是否具備該產業所需的潛力。例如,當系統偵測到「跨部門協調」、「衝突解決」或「提案通過率」等字眼時,其權重遠高於單純的「積極負責」。因此,重新定義並包裝軟技能,已成為每位求職者必須面對的課題。

此外,隨著遠距工作與混合辦公模式的常態化,企業對於員工的自律性、同理心與數位溝通效率要求更高。雇主不再僅僅尋找一個能執行任務的工具人,而是渴望找到能融入文化、帶動團隊氣氛的合作伙伴。這意味著,你的履歷必須展現出「以人為本」的解決方案。若能將軟技能與具體的工作場景結合,例如「透過有效的溝通機制,將專案延誤率降低 20%」,這樣的敘述不僅通過 ATS 的篩選,更能引起人資主管的共鳴。因此,掌握如何在履歷中具象化軟技能,將是您在 2026 年求職起跑點上最重要的戰略佈局。

解鎖軟技能:從自我盤點到精準提煉

要撰寫出一份能通過 ATS 考驗的軟技能履歷,首先必須進行深度的自我盤點。這不是單純的回想,而是一種系統性的挖掘過程。許多求職者卡在第一步,就是因為他們無法清楚定義自己真正擅長什麼。你可能覺得自己「溝通能力不錯」,但這究竟代表什麼?是擅長傾聽、能簡報簡報,還是能在高壓會議中保持冷靜?在 2026 年,我們需要的是更精準的定義。這一步的核心在於將模糊的感覺轉化為可被驗證的能力模組。你需要像考古學家一樣,挖掘過往工作、學習甚至社團經驗中的細節,找出那些讓你脫穎而出的關鍵時刻,並從中提煉出隱藏的軟實力。

接著,我們需要將挖掘出的素材與目標職缺進行連結。這一步常被忽略,卻是決定履歷命中率的關鍵。許多求職者習慣用一份履歷投遍所有職位,這在 2026 年是極高風險的行為。企業端的 JD(Job Description,職位描述)往往藏著豐富的線索,透露了他們對軟技能的隱性需求。例如,若職缺描述中反覆提到「在快速變動的環境中工作」,這暗示著他們需要高度的「適應力」與「抗壓性」;若提到「需帶領跨職能團隊」,則代表需要「領導力」與「衝突管理」。學會解讀這些關鍵字,並將其融入你的自我盤點中,才能產生最大的化學反應。

最後,將這些盤點結果提煉成履歷中的亮點,需要高度的技巧。這不是抄襲,而是翻譯。你需要將企業的需求語言,翻譯成你的成就語言。例如,如果企業需要「數據驅動的決策能力」,而你曾有過「分析客戶回饋並調整行銷策略」的經驗,這就是一個完美的對應點。在這個章節中,我們將會透過 STAR 法則與 JD 分析,一步步教你如何將抽象的特質,轉化為 ATS 與人資都愛看的具體內容,讓你的軟技能不再只是口號,而是實實在在的競爭力。

第一步:深度挖掘個人軟實力

深度挖掘個人軟實力是打造高效履歷的地基。在這個階段,我們要暫時忘掉履歷格式,專注於「回顧」與「分析」兩大動作。回顧是向內探索,找出自己過往的成功模式;分析是向外連結,理解市場(雇主)真正的需求。這雙軌並行的策略,能確保你的軟技能描述既真實又有市場價值。請準備好紙筆或打開你的筆記軟體,讓我們開始進行這場自我探索之旅。

透過 STAR 法則回顧過往成功案例

STAR 法則(Situation 情境、Task 任務、Action 行動、Result 結果)是職場上公认的黄金结构,它不僅適用於面試回答,更是挖掘軟技能的利器。許多求職者在面對「你最大的優點是什麼」時,往往只能說出「我很有責任感」,卻無法提供佐證。STAR 法則能強迫我們回溯具體事件,從中萃取出真實的軟實力。首先,回想一個你曾面臨的挑戰或成功的專案(Situation)。當時你的目標是什麼?(Task)。接著,關鍵來了:你「做了什麼」來解決問題?這裡的 Action 就是你的軟技能發揮的舞台。你是怎麼溝通的?你是怎麼協調資源的?你是怎麼說服他人的?

舉例來說,假設你曾負責一場活動的執行。單純寫「負責活動企劃」是硬技能,但透過 STAR 法則,我們可以挖掘出更深層的軟技能。如果在執行過程中,你發現兩部門預算分配有衝突(Situation),你的任務是化解僵局並如期舉辦活動(Task)。你採取的行動是安排了一場非正式的午餐會,讓雙方在輕鬆氣氛下表達顧慮,並提出折衷方案(Action)。結果活動順利舉行,且兩個部門後續合作更順暢(Result)。從這個故事中,我們提煉出的軟技能包括:「衝突調解能力」、「非正式溝通技巧」與「同理心」。這些具體的行為描述,未來都能直接寫入履歷中。

建議你至少列出 3 到 5 個這樣的 STAR 故事,涵蓋不同的面向,如團隊合作、解決問題、危機處理等。不要急著修飾成履歷用語,先用白話文記錄下來。這些故事庫(Story Bank)將是你下一步撰寫履歷時的珍貴素材。當你未來面對 ATS 系統的關鍵字比對,或是人資的行為面試題時,這些經過 STAR 洗禮的案例,都將成為你最強大的武器,證明你的軟技能不是虛構的,而是經過實戰考驗的。

分析目標職缺 JD 中的隱藏關鍵字

學會分析目標職缺的 JD(Job Description),就像是為你的履歷安裝了導航系統。在 2026 年,ATS 系統的運作邏輯高度依賴 JD 中的關鍵字匹配,但除了顯性的硬技能關鍵字(如 Python、Photoshop)外,JD 中還藏著大量關於軟技能的隱藏關鍵字。這些關鍵字往往以動詞或情境描述的形式出現。例如,當 JD 寫著「需具備獨立作業能力,並能主動回報進度」,其中的「獨立作業」與「主動」就是關鍵的軟技能指標,代表他們需要自律性高、溝通透明的人才。

要如何破解這些隱藏訊息?首先,將 JD 內文複製到文字編輯器中,標示出所有關於「人格特質」、「工作風格」與「團隊互動」的詞彙。常見的軟技能關鍵字包含:「跨部門溝通」、「高抗壓性」、「細心負責」、「快速學習」、「客戶導向」、「策略性思考」、「影響力」等。接著,將這些關鍵字與你第一步盤點出的 STAR 故事進行比對。如果你的 JD 中強調「團隊合作」,而你剛好有一個關於協調不同背景成員完成專案的故事,那麼這個故事就是你要大力渲染的重點。透過這種方式,你的履歷將不再是自說自話,而是精準命中雇主痛點的客製化內容,大幅提升通過 ATS 篩選的機率。

第二步:將抽象特質轉化為具體貢獻

當我們完成盤點與分析後,接下來的挑戰是如何將這些軟實力「包裝」成讓雇主眼睛一亮的內容。這一步的核心在於「去抽象化」。在人資的眼中,「溝通能力好」、「抗壓性強」這些詞語已經失去了溝通的功能,因為它們太過泛濫且缺乏證據支持。要把你的軟技能從抽象的形容詞,轉化為具體的貢獻,你必須學會兩種技巧:強調行為帶來的結果,以及用數據佐證你的成就。這能讓你的履歷從「自我介紹」升級為「價值提案」。

避免空泛形容詞,強調行為帶來的結果

空泛的形容詞是履歷的殺手。試想一下,如果你的履歷上寫著「本人擁有良好的協調能力」,這句話是否能讓你想起任何一位求職者?答案是幾乎所有人都會這樣寫。為了讓你在眾多候選人中脫穎而出,你必須將焦點從「特質」轉移到「行為」與「結果」。與其說你「細心」,不如描述你「透過建立雙重檢查機制,避免了三次重大資料錯誤」。與其說你「積極」,不如描述你「主動爭取到新客戶,為公司帶來 15% 的營收成長」。這種轉變不僅更具說服力,也更符合現代 ATS 的演算法邏輯,因為它們會搜尋具體的動詞和結果。

在實務操作上,你可以試著改寫你的履歷敘述。把你目前寫的每一句話拿出來檢視,如果句中只有「形容詞」而沒有「動詞」或「結果」,那這句話就需要升級。例如,將「具有良好的時間管理能力」改寫為「同時管理三個並行專案,均提前兩週完成交付」。後者明確地展示了你在時間壓力下如何行動,以及這個行動帶來了什麼具體的好處(提前交付)。這種強調因果關係的敘述方式,能讓閱讀者(無論是人資還是 AI)迅速理解你的價值,並在心中為你貼上「高績效」的標籤,從而提高面試邀約的機會。

結合數據佐證,提升敘述的可信度

如果說動詞是履歷的引擎,那麼數據就是履歷的燃料。在 2026 年的職場中,數據思維(Data-driven)已成為跨部門的通用軟技能。即使你的工作性質是非量化(如行政、人資、編輯),你也一定可以找到量化的方式來佐證你的軟技能。數據能讓你的貢獻從「感覺很好」變成「看得見摸得著」。當你將軟技能與數據結合時,你正在向雇主傳達一個訊息:我不僅具備良好的特質,我還能透過這些特質為組織帶來可衡量的價值。

該如何找到這些數據?你可以從時間、成本、效率、數量、品質、滿意度等維度去思考。例如,關於「溝通與教學」的軟技能,你可以寫「新進人員教育訓練,學員平均上手時間縮短 30%」;關於「問題解決」的軟技能,你可以寫「優化客服回應流程,將平均回應時間從 24 小時降至 4 小時,客戶滿意度提升 15%」。即便你無法取得精確的數字,也可以用估算或排名來增加可信度,例如「處理量為部門前 10%」或「協助團隊減少約 20% 的溝通成本」。這些具體的數字會讓你的軟技能描述變得堅不可摧,讓 ATS 系統在比對關鍵字時給予更高的權重,也讓人資在面試時有具體的線索可以深入追問。

融入 AI 工具:打造高通過率的 ATS 履歷

在了解如何挖掘及包裝軟技能後,下一步是將這些知識與現今最先進的工具結合,以達到最高效率與成效。2026 年的求職市場,早已不是單靠人工海投就能奏效的時代。懂得善用 AI 工具的求職者,往往能以數倍的速度完成履歷優化,並大幅提升通過 ATS 初篩的機率。AI 不僅能協助我們檢查文法,更能透過大數據分析,預測出哪些關鍵字與敘述最能打動目標企業的系統與人資。這章節將探討如何利用像是 AI ResumeMaker 這類的專業工具,將你的軟技能優勢最大化。

許多求職者對於使用 AI 生成履歷仍有疑慮,擔心內容會過於制式或失去個人特色。然而,現代的 AI 工具早已進化到能理解上下文與語氣。它們不是要取代你的思考,而是要成為你的「策略顧問」與「執行助理」。以 AI ResumeMaker 為例,它能分析你提供的原始履歷,並比對目標職缺的 JD,指出哪些軟技能關鍵字是你遗漏的,或是哪些經歷的描述不夠具體。這種「診斷式」的優化建議,能幫助你補足盲點,確保你的軟技能被正確且完整地呈現出來。這將是我們在 2026 年求職戰場上,不可或缺的數位武器。

更進一步來說,AI 的輔助並不僅限於履歷生成,更延伸至面試準備與職涯規劃。透過全流程的 AI 輔助,求職者可以建立一套從「履歷投遞」到「面試通关」的完整策略。這意味著我們可以利用 AI 來預測面試官可能針對你的軟技能提出什麼問題,並提前演練回答。這種全方位的準備,能讓你在面對面試官時充滿自信,展現出游刃有餘的專業形象。接下來,我們將具體介紹如何操作 AI ResumeMaker,以及如何利用其他 AI 功能來強化你的求職競爭力。

使用 AI ResumeMaker 進行履歷最佳化

AI ResumeMaker 是一款專為現代求職者設計的 AI 驅動工具,它能將我們先前討論的 STAR 法則與數據佐證,自動化且精準地融入履歷中。對於不善於文字包裝的求職者,或是時間紧迫的在职人士來說,這款工具能極大地節省摸索的時間。它的核心功能在於「解析」與「生成」:解析你的經歷與目標職缺的匹配度,生成最適合該職位的客製化內容。這讓你不再需要為了每個職位從頭修改履歷,而是能快速產出高質量的版本。

AI 解析系統如何強化你的軟技能關鍵字

AI ResumeMaker 的強大之處,在於其背後的自然語言處理(NLP)技術。當你將你的原始履歷(可能是條列式的工作經歷)上傳,並貼上目標職缺的 JD 後,AI 會進行深度的語意比對。它能識別出 JD 中隱含的軟技能需求,例如「collaboration」(協作)、「leadership」(領導)或「problem-solving」(問題解決),並搜尋你履歷中是否有對應的行為動詞或情境描述。如果你的履歷中缺乏這些關鍵字,或是描述太過空泛,AI 會提示你修改,甚至直接提供優化後的建議版本。

更重要的是,這套系統懂得如何「潤飾」而不「造假」。它會根據你提供的數據與經歷素材,建議你使用更具影響力的詞彙。例如,它可能會建議將「負責社群媒體」改為「策劃並執行社群策略,互動率提升 25%」。這種基於大數據的優化,能確保你的軟技能關鍵字(如「策略規劃」、「數據分析」)自然地分佈在履歷的各個章節(如工作經歷、專業技能摘要),從而提高 ATS 系統的掃描分數。對於那些在自我盤點階段感到困惑的求職者,AI 的解析功能無疑是一盞明燈,指引你將自身優勢對齊市場需求。

一鍵生成客製化內容,精準對應職缺需求

在傳統的履歷撰寫流程中,針對不同性質的職位(例如「業務助理」與「專案經理」)調整履歷,往往需要耗費數小時。但若使用 AI ResumeMaker,這個過程可以縮短至幾分鐘。其「一鍵生成」功能,能根據你選定的職缺模板與關鍵字,自動重組你的經歷順序與內容比重。例如,當你投遞一份強調「團隊溝通」的職位時,AI 會優先將你與團隊合作的成功案例置於顯眼位置;若投遞的是強調「獨立作業」的職位,則會強調你自律完成任務的經歷。

這種客製化的能力,對於同時瞄準不同職涯方向的求職者特別受用。你不需要維護五份不同的 Word 檔案,只需在一個平台上透過 AI 調整即可。生成的內容不僅格式專業(支援 PDF/Word/PNG 輸出),連用字遣詞都經過優化,確保整體風格符合該產業的慣例。這意味著你可以將更多精力投入到面試準備與人際網絡的建立上,而將繁瑣的履歷格式調整與關鍵字佈局交給 AI 處理。這正是 2026 年高效率求職的標準作業流程。

從履歷到面試的全流程 AI 輔助

一份完美的履歷只是求職的第一步,真正的挑戰在於如何在面試中證明履歷上的內容。AI 的輔助範疇已經從「書面」延伸到了「口頭」與「策略」。透過整合性的 AI 平台,求職者可以進行全方位的演練與規劃,確保在面對面試官時,能將履歷上寫的軟技能,用生動、自信的語言表達出來。這能有效降低面試焦慮,並大幅提升錄取率。

利用 AI 模擬面試,演練軟技能的口頭表達

許多求職者在履歷上寫得天花亂墜,但一到面試場就腦袋空白,無法具體描述自己如何發揮軟技能。這時,AI 模擬面試功能就派上用場了。AI ResumeMaker 或類似的工具,內建了針對不同職位的面試題庫,特別是關於行為面試題(Behavioral Questions)。系統會以 AI 面試官的角色,詢問你:「請分享一次你解決團隊衝突的經驗」或「你如何在高壓下保持工作效率?」。你可以在舒適的環境中錄音回答,而 AI 會根據你的回答內容、流暢度甚至語氣,提供即時回饋與改進建議。

這種演練方式的價值在於,它能幫助你將 STAR 法則從「紙上」搬到「嘴上」。透過反覆練習,你會習慣用「情境-任務-行動-結果」的架構來敘述故事,並自然地融入關鍵字與數據。AI 的回饋會告訴你是否過於囉嗦、是否缺乏說服力,或是是否漏掉了重要的軟技能亮點。對於新鮮人或轉職者來說,這是一個極佳的磨練場,能讓你在真正的面試中,展現出如履歷上那樣專業、自信的形象。

藉由職涯規劃模組,定位未來發展方向

除了應對當下的求職需求,AI 也能協助你進行長遠的職涯規劃。許多先進的 AI 求職工具都配備了「職涯規劃模組」。這個模組會分析你的學歷、經歷與技能,並結合當前的產業趨勢與薪資數據,為你提出建議。例如,它可能會分析出你具備「跨部門溝通」與「數據分析」的軟硬技能,並推薦你往「產品經理」或「專案管理」的方向發展,甚至預估該職位的薪資範圍與所需的進修課程。

這類功能讓求職不再是盲目的投遞,而是有策略的佈局。它能幫助你理解,哪些軟技能是未來十年內最不容易被 AI 取代的,以及你目前的軟技能組合(例如「創造力」與「邏輯思維」)最適合哪些行業。透過這樣的宏觀視角,你不僅能解決眼前的履歷撰寫問題,更能為自己定下清晰的職涯路徑。這對於那些處於轉職迷惘期,或是想要在 2026 年尋求職涯突破的求職者來說,無疑是一大福音,讓求職之路走得更加穩健且有方向感。

結論:掌握軟技能,贏在 2026 求職起跑點

綜觀 2026 年的求職環境,科技的進步並未抹煞人性的價值,反而讓「軟技能」成為了決定勝負的關鍵變數。從 ATS 系統的智慧化篩選,到企業對文化契合度的重視,無一不指向一個趨勢:僅具備硬技能已不足以應對未來的挑戰。我們必須學會像產品經理一樣,將自己過往的經歷與特質,包裝成一份高價值的「個人產品」。這份產品的核心功能,就是那些能解決問題、促進協作、引領創新的軟實力。

本篇文章從深度的自我盤點出發,教你如何運用 STAR 法則挖掘隱藏實力,並透過分析職缺 JD 找出關鍵線索。接著,我們探討了如何將抽象的特質轉化為具體的貢獻,強調用行為動詞與量化數據來佐證你的價值,避免落入空泛的陳述陷阱。這不僅是為了通過 ATS 的機器檢測,更是為了在第一時間抓住人資的目光,證明你是一位能帶來實質貢獻的行動派。每一步的精雕細琢,都是為了讓你的軟技能在履歷上發光發熱。

最後,我們擁抱了 AI 科技帶來的變革,透過 AI ResumeMaker 等工具,將上述的策略自動化、高效化。從關鍵字解析到一鍵生成客製化履歷,再到模擬面試與職涯規劃,AI 已成為求職者最強大的後盾。在 2026 年,善用工具並不代表投機,而是代表具備「數位協作」與「效率優化」的現代軟技能。現在,就請動手盤點你的軟實力,結合 AI 的力量,打造一份無懈可擊的 ATS 履歷,讓你在這波求職浪潮中,順利驶向理想的職涯彼岸。

2026 ATS 履歷軟技能怎麼寫?5 大步驟 + 範例輕鬆掌握

Q1:什麼是 ATS?軟技能在 2026 的履歷中為什麼這麼重要?

ATS(Applicant Tracking System,求職者追蹤系統)是企業用來篩選履歷的第一道關卡,它會根據職缺關鍵字與格式來排序候選人。到了 2026,軟技能(溝通、協作、問題解決、適應力、領導力)已被多數 ATS 與 HR 列為關鍵篩選指標。若履歷缺乏具體軟技能描述或關鍵字,即便經歷豐富也可能被系統忽略。實務上,你可以將軟技能轉化為可量化、情境化的描述,例如「跨部門溝通:每週主持 1 次 10 人會議,協調工程與業務需求,專案延誤率下降 15%」。若不確定目標職缺該放哪些關鍵字,可使用 AI ResumeMaker 的履歷最佳化功能:將你的學經歷貼上,系統會解析職缺需求,自動強化亮點與關鍵字,讓軟技能的呈現更符合 ATS 的邏輯。你也可搭配 AI 求職信生成,確保履歷與求職信在軟技能描述上一致,提升通過第一輪篩選的機率。

Q2:新鮮人或經歷不足者,要如何在履歷中具體展現軟技能?

新鮮人或經歷較少的求職者,常犯的錯誤是只寫「誠實、積極、樂於學習」等抽象詞彙。更好的做法是採用「情境—行動—結果」(SAR)架構,並結合校園或社團經驗量化成果。例如:「在校專案:帶領 5 人小組完成期末專案(情境),制定分工流程並每日站會同步進度(行動),最終獲課程最高分且組員滿意度達 95%(結果)」。如果你需要更多方向,可使用 AI ResumeMaker 的履歷生成:輸入職缺與你的背景,系統會自動產生客製化內容,將你的社團、實習或打工經驗轉化為具備關鍵字的軟技能敘述。此外,搭配職涯規劃功能,系統能依市場趨勢建議你補足哪些技能(如簡報表達、跨域協作),並在履歷中強化這些項目,讓你的「軟實力」更具說服力。

Q3:轉職者如何避免履歷上的軟技能描述與新職務脫節?

FalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalseStop generatingFalse<