还在逐字比对 JD 改简历？用 Resume-Matcher 在本地跑一套 AI 简历匹配

还在逐字比对 JD 改简历？用 Resume-Matcher 在本地跑一套 AI 简历匹配

【免费下载链接】Resume-MatcherThe #1 AI Harness for Building Resumes, PDFs, Cover Letters & more, locally with 100+ LLMs support.项目地址: https://gitcode.com/GitHub_Trending/re/Resume-Matcher

投十份岗位改十遍简历，最累的不是改内容，而是对着 JD 逐词找差距——缺了哪些词、哪些经历该前置、分数到底多少，全靠肉眼。Resume-Matcher 把这套简历匹配流程搬到了本地：上传一份母版简历，贴一个职位描述（JD），它负责生成定制版并给出量化匹配度评分，数据不出机器。

先看它解决哪三类投递问题

第一类是投递前的命中率自查。把目标岗位的 JD 贴进去，它会给出一个量化评分，外加一份缺失关键词列表，比"感觉还行"这种自我安慰有用得多。

第二类是一岗一版简历。母版简历里塞满了各种经历，但每份岗位只需要其中一小部分。Resume-Matcher 会挑出相关的经历重新组织，而不是让你在 Word 里来回复制粘贴删减。

第三类是收尾工作。生成附信、按简历内容出结构化面试准备问题，最后从几个排版模板里挑一个导出 PDF，投递链路一次走完整。

从 clone 到本地跑通

环境要求三样：Python 3.13 以上、Node.js 22 以上、uv 这个 Python 包管理器。

第一步，克隆仓库：

git clone https://gitcode.com/GitHub_Trending/re/Resume-Matcher cd Resume-Matcher

第二步，开两个终端分别起服务。后端在apps/backend下执行uv sync装依赖，再uv run app启动；前端在apps/frontend下npm install，然后npm run dev。浏览器打开 localhost:3000 就能进界面。

第三步，在设置页选模型提供商。机器性能够强就选 Ollama 跑本地模型，全程离线免费；否则填个云端 API 密钥也行。配置和密钥都加密存在本地 SQLite 里，不会以明文落盘。

匹配逻辑是怎么工作的

看懂这块，你就知道那个分数为什么可信。粘贴 JD 之后，流程分三层。

第一层是 JD 拆解：LLM 把职位描述拆成"必备技能"和"偏好技能"两组结构化清单，后面所有打分都基于这份清单。第二层是结构化改写：它不重写整份简历，而是生成一份结构化 diff，只允许动摘要、工作经历描述、技能列表这几个字段，个人信息被硬性屏蔽；而且改写内容必须能在母版简历里找到依据，防的是 AI 凭空编经历。第三层是精修：从母版里把定制版缺的关键词补进去，顺手清理"赋能""闭环"这类 AI 腔套话。

最后 ATS 分数由一套纯本地算法算出：关键词命中率、技能覆盖率、结构完整度按 55% / 25% / 20% 加权，这部分完全不调 LLM，所以分数可复现。所有 AI 调用走 apps/backend/app/llm.py 里基于 LiteLLM 的统一路由，重试、超时、参数兼容都在那里处理，换模型不用动业务代码。

按需改造：模型、接口和界面

如果你想换模型、调温度或推理强度，入口在 apps/backend/app/config.py，密钥走加密存储，不写进明文文件。

如果要加自己的接口，比如批量导入 JD，就在 apps/backend/app/routers/ 下加路由，schemas 定义请求结构，services 放业务逻辑，三层分工很清楚。

想改简历排版和导出样式，看 apps/frontend/components/resume/，每个模板一个 CSS 模块加一个组件；界面文案集中在 apps/frontend/messages/，六种语言各一个 JSON，改完即时生效。

适合谁，不适合谁

适合：每周投多个岗位、简历内容复杂需要反复裁剪、又在意数据不出本地的人，这套本地 AI 简历匹配流程正好对口。

不适合：只投一两个岗位的话，免费的 ATS 检查工具加手工修改就够了，没必要装一整套。它也不是给 HR 批量筛候选人的方案——整个流程是按"一份母版简历对多个 JD"设计的，方向相反。

建议先 clone 下来跑通 Ollama 本地模型，贴一份真实 JD，看看关键词缺失列表和 ATS 分数再决定值不值得留着。

【免费下载链接】Resume-MatcherThe #1 AI Harness for Building Resumes, PDFs, Cover Letters & more, locally with 100+ LLMs support.项目地址: https://gitcode.com/GitHub_Trending/re/Resume-Matcher