ATS Resume Improver:免费的 AI 简历优化工具

Table of Contents
免费、开源并支持自行托管。除非你使用 AI 服务提供商,否则简历不会发送到任何服务器。即使使用 AI,文本也会直接发送给该服务提供商,而不会发送给我们。
什么是 ATS Resume Improver?
ATS Resume Improver 是一款在浏览器中运行的开源简历优化工具。它会根据职位描述分析简历,帮助你缩小个人经历与申请人跟踪系统(ATS)评估标准之间的差距。该工具使用 React 19、Vite 和 TypeScript 构建。解析和评分流程完全在浏览器中运行,没有后端服务器。
源代码位于 GitHub 上的 ATS Resume Improver 仓库 。你可以使用托管版,也可以一键部署到 Vercel、Netlify、Cloudflare 或 GitHub Pages,或使用 Docker 在本地运行。
它解决的隐私问题
大多数简历优化服务会把简历上传到自己的服务器,执行不透明的评分并保留数据。ATS Resume Improver 采用不同方式。
| 模式 | 离开你设备的数据 |
|---|---|
| 不使用 AI 密钥 | 无。所有处理都在本地浏览器中完成。 |
| OpenAI / Anthropic | 简历文本和职位描述通过你的密钥直接发送到 AI 提供商的 API。中间没有服务器。 |
| Ollama(本地) | 无。模型在你自己的计算机上运行。 |
API 密钥只保存在内存中,关闭标签页后就会清除。没有分析、跟踪或 Cookie。
主要功能
不使用 AI 密钥时可用的功能
你无需 API 密钥也能获得有用结果。无密钥模式包括:
- 上传简历:支持 PDF、DOCX、TXT 或 Markdown
- 提取 ATS 文本:准确显示 ATS 从文件中读取的内容,包括因格式而丢失的信息
- 简历类型检测:从 7 种档案中识别与你的简历相符的类型,并相应调整章节顺序
- 章节检测和格式警告:指出缺失的章节和解析器难以处理的格式
- ATS 评分(0–100),附带 5 个维度的细分结果
- 关键词差距分析:根据规则与职位描述进行字符串匹配
- 确定性 ATS 优化:使用本地规则重组内容
- 前后差异查看器:准确查看所有改动
- 专业 PDF、DOCX、TXT 和 Markdown 导出
AI 带来的功能
连接 OpenAI、Anthropic Claude 或本地 Ollama 后,即可使用:
- 语义关键词分析:理解上下文,而非只匹配字符串。显示匹配强度(强/中等/部分)、匹配位置(“在技能和 3 个工作经历中找到”)、每个关键词的重要程度(关键/高/中/低),并生成 2–3 句 AI 摘要
- AI 简历优化:使用 ATS 最佳实践提示词进行完整 AI 改写
- AI 增强导出:由 AI 在下载前排版 PDF/DOCX
- 生成求职信:使用自然化规则消除 AI 写作痕迹(见下文)
- 预测面试问题:根据职位描述生成
- 估算薪资范围
简历类型检测
应用会将简历归入 7 种档案之一,并根据相应职业阶段招聘人员和 ATS 的预期调整章节顺序:
| 档案 | 适用对象 | 章节优先级 |
|---|---|---|
| 🏢 资深专业人士 | 5 年以上,职业经历连贯 | 工作经历 → 技能 → 教育 |
| 🌱 中级 | 2–5 年 | 工作经历 → 技能 → 教育 |
| 🎓 初级 | 0–2 年 | 技能 → 教育 → 项目 → 工作经历 |
| 🎒 学生 / 应届毕业生 | 仍在就读 | 教育 → 项目 → 技能 → 工作经历 |
| 🔬 学术 / 研究人员 | 博士、发表成果 | 教育 → 研究 → 发表成果 → 工作经历 |
| 📜 证书为主 | 证书比学位更重要 | 证书 → 技能 → 工作经历 → 教育 |
| 🔄 转行者 | 检测到职业空档或转向 | 摘要 → 可迁移技能 → 教育 → 工作经历 |
在优化以及 PDF、DOCX、TXT 和 Markdown 导出中,章节顺序保持一致,而不只是屏幕上的显示顺序。
AI 语义关键词分析
这正是本工具区别于基础关键词计数器的地方。配置 AI 服务提供商后,关键词差距分析会从简单的字符串匹配升级为语义推理:
| 维度 | 不使用 AI | 使用 AI |
|---|---|---|
| 匹配方法 | 只匹配完全相同的字符串 | 语义理解上下文 |
| 匹配强度 | — | 强 / 中等 / 部分评级 |
| 匹配上下文 | — | “在技能和 3 个工作经历中找到” |
| 差距重要性 | 所有差距同等处理 | 关键 / 高 / 中 / 低 |
| 建议 | 通用提示 | 每个关键词的可执行建议 |
| 覆盖率 % | 根据字符串计数 | 按语义加权 |
| 摘要 | — | 2–3 句 AI 叙述摘要 |
本地规则分析仍会即时运行。你查看结果时,AI 分析会在后台异步补充。
支持的 AI 提供商
所有 AI 调用都包含基于 Harvard OCS 和 Columbia CCE 指南制定的 ATS 最佳实践提示词。
OpenAI
| 模型 | 适用场景 |
|---|---|
| GPT-4.1 mini(默认) | 智能、快速且经济,推荐使用 |
| GPT-4o mini | 经典的快速经济选择 |
| GPT-4.1 | 最新 GPT-4.1,准确遵循指令 |
| GPT-4o | 高质量旗舰模型 |
| GPT-4 Turbo | 上下文窗口大 |
| GPT-3.5 Turbo | 速度最快、成本最低 |
估算费用:每份简历分析约 0.002–0.05 美元。
Anthropic Claude
| 模型 | 适用场景 |
|---|---|
| Claude Sonnet 4.5(默认) | 快速且智能,推荐使用 |
| Claude Opus 4.5 | 能力最强,适合复杂任务 |
| Claude Haiku 4.5 | 速度最快、成本最低 |
| Claude 3.5 Sonnet | 可靠且经过充分测试 |
| Claude 3.5 Haiku | 快速且经济的 3.5 版本 |
Ollama(本地 / 自行托管)
无需 API 密钥。你可以在自己的硬件上运行模型。设置 OLLAMA_ORIGINS=* 以允许浏览器访问。
| 模型 | 备注 |
|---|---|
| Llama 3.3(默认) | Meta 的最新模型,推荐使用 |
| Llama 3.2 | Meta 模型 |
| Mistral 7B | 快速且能力强 |
| Mixtral 8x7B | 专家模型混合体 |
| Qwen 2.5 | Alibaba Qwen 2.5 |
| DeepSeek R1 | 推理能力强 |
| Phi-4 | Microsoft 模型 |
| Gemma 3 | Google 模型 |
在本地运行 Ollama 可让整个工具完全离线。任何时候都不会有数据离开你的计算机。
让求职信写得更自然
求职信生成器会应用一套专门的写作风格规则,消除 AI 生成文本的明显特征。该规则集参考了 Sabrina Ramonov 的自然化写作框架 ,每封生成的信都会遵守以下要求:
- 不使用 em dash:完全移除最明显的 AI 写作标志
- 禁用 50 多个词和短语:leverage、utilize、dive deep、delve、embark、game-changer、groundbreaking、cutting-edge、pivotal、tapestry、harness、moreover、in conclusion、it’s worth noting、ever-evolving、landscape、testament、not only…but also 等
- 信件正文不使用 Markdown:不使用粗体星号、话题标签或分号
- 默认使用主动语态:只有在动作执行者确实不重要时才使用被动语态
- 必须使用缩写:“I’ve”“I’m”“it’s”,不能写成“I have”“I am”“it is”
- 句子长短有变化:短促有力的句子与较长句子交替
- 不使用空洞开场白:“请注意,X”应直接改为陈述 X
- 第一段包含职位描述中的具体细节:证明求职信不是套用模板
这些规则要求模型模仿人的写法,因此生成结果读起来像真人写的。
导出质量
| 格式 | 内容 |
|---|---|
| 专业字体、章节分隔线、项目符号和联系信息标题 | |
| DOCX | 结构规范的 Word 文档(Packer.toBlob,兼容浏览器) |
| TXT | 间距统一的纯文本,适合 ATS |
| Markdown | 带标题和项目列表的 .md 结构化文件 |
配置 AI 提供商后,AI 会在下载前排版导出文件,并添加 ✨ AI 增强徽标。
自行托管选项
托管版本(无需设置)
访问正在运行的应用 ATS Resume Improver 在线版 。无需账户、注册或信用卡。
一键云部署
| 平台 | 链接 |
|---|---|
| Vercel | 从仓库一键部署 |
| Cloudflare Pages | 一键部署 |
| Netlify | 一键部署 |
| GitHub Pages | Fork → Settings → Pages → GitHub Actions → 自动部署 |
本地开发
git clone https://github.com/simeononsecurity/ats-resume-improver
cd ats-resume-improver
make install
make dev # http://localhost:5173
Docker(推荐用于可复现环境)
# 开发:在 http://localhost:5173 热重载
make docker-dev
# 生产环境:在 http://localhost:8080 使用 nginx
make docker-prod
# 开发与 Ollama 一起运行(完整的本地 AI 技术栈)
make docker-dev-with-ollama
完全离线的 Ollama 技术栈
# 启动 Ollama 容器(模型在重启后仍会保留)
make ollama
# 拉取模型
make ollama-pull MODEL=llama3.2
# 同时启动开发应用和 Ollama
make docker-dev-with-ollama
打开应用,进入 API 密钥面板,选择 Ollama (Local),将 URL 设为 http://localhost:11434,然后选择模型。没有数据会离开你的计算机。
技术栈
| 层 | 技术 |
|---|---|
| 框架 | React 19 + TypeScript |
| 构建 | Vite 8 |
| 样式 | Tailwind CSS v4 |
| 图标 | Lucide React |
| PDF 解析 | pdfjs-dist |
| DOCX 解析 | mammoth |
| PDF 导出 | jsPDF |
| DOCX 导出 | docx(Packer.toBlob) |
| AI | OpenAI · Anthropic Claude · Ollama |
| 容器 | Docker + nginx(多阶段)+ Ollama 服务 |
整个评分和解析流程(atsAnalyzer.ts、keywordMatcher.ts、resumeTypeDetector.ts)都在浏览器中运行。aiProvider.ts 中的 AI 集成会从客户端直接调用服务提供商 API,没有代理服务器。
实用使用指南
第 1 步:上传简历
上传 PDF、DOCX、TXT 或 Markdown 文件。切换到 “What the ATS Sees” 标签,检查解析器是否正确提取了内容。如果此视图中有章节缺失或文本混乱,招聘人员使用的 ATS 也会遇到同样的问题。
第 2 步:粘贴职位描述
将完整招聘信息粘贴到 Job Description 面板。职位描述越完整,关键词分析效果越好。不要删掉要求部分。
第 3 步:查看 ATS 评分
评分面板显示 0–100 的总分和 5 个维度的细分结果。细分结果会告诉你重点改进方向:格式问题会降低一个维度,缺失关键词会降低另一个维度,工作经历描述薄弱则会降低第三个维度。
第 4 步:检查关键词差距
Keyword Analysis 视图会显示职位描述中的哪些关键词出现在简历中,哪些没有。启用 AI 后,你会获得语义匹配和重要性评级。核心技术技能的“Critical”差距比软技能套话中的“Low”差距更值得关注。
第 5 步:优化
- 确定性模式:应用基于规则的重组。安全、快速且不产生 API 费用。
- AI 模式:使用 ATS 最佳实践提示词进行完整的 LLM 改写。
接受改动之前,先查看前后差异,了解每项变更。
第 6 步:导出
导出为 PDF、DOCX、TXT 或 Markdown。启用 AI 后,导出文件会经过 AI 格式化,以便专业展示。PDF 模板使用适合招聘人员的字体和布局。
简历技巧集成
工具附带一份配套参考资料 RESUME_TIPS.md(也在 GitHub 仓库中),内容包括:
- ATS 系统如何评估简历
- 重要格式规则以及会破坏解析器的格式
- 如何撰写摘要、项目符号和技能部分
- 避免堆砌关键词的策略
- 求职信的语气和结构
- 提交前检查清单
运行工具前先阅读该文件,了解评分的含义。
常见问题
工具会保存我的简历吗?
不会。应用完全在客户端运行。任何数据都不会保存到服务器。会话数据保存在浏览器内存中,关闭标签页后就会消失。
我的简历得分很低,我应该担心吗?
ATS 分数表示改进方向,而不是通过或淘汰。工具中的 60 分不代表 ATS 会拒绝你的简历,而是表示你的简历与所分析的具体职位描述之间存在可量化的差距。用分数安排编辑优先级,不要把它当作结论。
我能否用它分析多个职位描述?
可以。随时粘贴新的职位描述。关键词分析和优化会针对新职位重新运行。每次分析彼此独立。
Ollama 集成真的能离线运行吗?
可以,只要 Ollama 在你的计算机或本地网络中的设备上运行。应用通过 HTTP 将文本发送到你的 Ollama 实例,不会连接任何外部服务。
简历类型检测有多准确?
检测器会根据简历内容应用规则启发式方法,查看提到的工作年限、教育标记、出版或研究章节以及职业空档信号。它适用于大多数简历,但可能不适合特殊职业档案。你始终可以调整它设置的章节顺序。
项目路线图
正在开发或计划中的功能:
- 通过 IndexedDB 保存简历版本历史
- LinkedIn 个人资料优化器
- 支持 Google Gemini 提供商
- 更多 Ollama 模型
项目采用 MIT 许可证,欢迎提交 pull request。进行重大更改前请先创建 issue。
结语
ATS Resume Improver 填补了一个实际空白:认真分析简历,同时不把你的数据转交给任何人。无密钥模式会立即提供格式和关键词覆盖方面的实用反馈。添加 AI 密钥后,就能启用语义推理、求职信撰写和面试准备,每次分析只需几美分;使用 Ollama 则完全免费。
托管版本位于 ATS Resume Improver 在线版 。完整源代码位于 GitHub 上的 ATS Resume Improver 仓库 。
如果你要为自己的求职过程自行托管,或想针对某个行业调整评分权重和提示词,Docker 设置和清晰的项目结构会让 fork 和修改变得简单。
简历优化课程
如果你需要结构化的分步指南来应用此工具评估的内容,请阅读配套课程:
简历优化课程:击败 ATS 系统并获得更多面试机会 。课程包含 9 个模块,涵盖 ATS 评分、格式、项目符号、关键词、针对职位调整、求职信和提交前检查清单。将工具与课程配合使用,可在每一步获得即时反馈。
参考资料
- 在线工具
- 源代码仓库
- 简历技巧 — RESUME_TIPS.md
- Sabrina Ramonov — 让 AI 写作更自然的最佳提示词
- OpenAI API 文档
- Anthropic Claude API 文档
- Ollama — 本地 LLM 服务器







