Resume-Matcher完整指南：免费AI简历匹配工具，一份简历变N份，10分钟跑起来-平芜编程栈

Resume-Matcher完整指南：免费AI简历匹配工具，一份简历变N份，10分钟跑起来

【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

Resume-Matcher是一款免费开源的AI简历匹配工具：上传一份母版简历，粘贴目标岗位描述，它自动把简历改写成贴合该角色的版本，算出ATS匹配度得分，再导出可直接投递的PDF——全部在你本机运行。

你可能有过这种经历：同一份简历投了几十个岗位，结果石沉大海；有些岗位要求Kubernetes，有些要求数据可视化，你不可能为每个岗位手动重写一遍简历。改到后面既慢又烦，而且你不知道HR系统的关键词筛选到底放过了你还是刷掉了你。Resume-Matcher解决的就是这件事：把「一份母版简历 + 每岗位一个定制版」变成粘贴职位描述的顺手动作，改完还告诉你哪里没覆盖到。

最快上手路径：从克隆到第一份定制简历

前置条件：3样东西

Python 3.13+、Node.js 22+，以及一个叫uv的Python包管理器（详细版安装说明里有各平台步骤）
或者干脆用Docker，上面三样全省了
一个可用的大模型：本地装 Ollama 完全免费，或者用 OpenAI、Anthropic、Gemini、DeepSeek 等云端API，二选一即可

克隆并启动：两个终端各跑一次

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

终端1，起后端：

cd apps/backend cp .env.example .env uv sync uv run app

终端2，起前端：

cd apps/frontend npm install npm run dev

如果你已经装了 Docker，上面两终端可以直接换成一条命令：

docker compose up -d

怎么确认跑成功了

按顺序验证三件事，全过就算部署完成：

浏览器打开localhost:3000，能看到仪表盘界面
访问localhost:3000/api/v1/health，后端返回正常状态
打开设置页（/settings），选一个提供商、填入API Key（选Ollama则免Key），点「Test Connection」测试连通

然后回到仪表盘，上传你第一份简历，整个系统就活了。

它背后是怎么工作的：不止是"让AI改写"

母版简历：唯一的素材库

你上传的PDF或DOCX会被解析服务转成结构化数据——摘要、经历、教育、项目、技能各归各位，日期区间都会保留。这份母版简历是后续所有定制的唯一素材来源。换岗位时你只需要调整输出去向，经历描述本身不用动；AI想补充内容，也只能从母版里"有据可查"的地方取，不能凭空发明。

匹配评分：三个部分加权算出来的，不是玄学

粘贴职位描述后，它先从JD里抽出几十个关键词，再用整词匹配在你的简历里高亮——"Go"不会误命中"Going"，"Python"不会撞上"Pythonic"。界面左侧会直接告诉你：抽了68个词、命中32个、匹配率多少。

那个ATS风格的总分是三个子项加权出来的，权重定义在ATS评分模块里：

子项	权重	计算方式
关键词匹配	55%	简历对JD关键词的覆盖度
技能覆盖	25%	简历技术技能与JD要求技能的重叠
章节完整度	20%	摘要/经历/教育/技能等必备章节是否齐全，本地规则计算，不走大模型

最后这一项值得一提：它不调用LLM，意味着评分稳定、可复现，不会因为模型抽风而忽高忽低。

精修循环：防AI"注水"的三道关卡

第一版定制稿常有两个毛病：关键词没铺够，或者满篇"赋能、闭环"式的AI腔。所以精修服务会再做三遍校验：

关键词注入——缺的词补进合适的位置，前提是母版简历里有对应的事实支撑
去AI腔——把黑话换成朴素的表达
母版一致性核对——逐条确认新版本没有编造经历

确认前你可以看到改动前后的差异（diff），改得不满意就回滚，主动权始终在你手里。

本地优先，模型随便换

后端通过 LiteLLM 统一接入，支持100多个模型：Ollama 走本地、零成本、数据不出机器；也可以随时换成云端API要更强的改写质量。所有简历数据存在本地data/目录，不经过任何第三方服务器——对"简历这种高度敏感的个人文件"来说，这条比任何花哨功能都重要。

谁会用它：三个真实环节

求职者：投递前的最后一道质检

每个岗位投递前：粘贴JD → 拿到定制简历和一封求职信 → 导出PDF。界面支持中文、英文、日文、西班牙文和葡萄牙文（巴西），求职信也能直接生成中文版。收益很具体：你发出的每一版简历，关键词覆盖情况都是明牌，而不是发出去之后靠猜。项目还带面试准备功能，针对这份定制简历生成结构化问题，从投递到面试一个闭环。