开源免费(Apache-2.0) · v2.3.0 · 数据不出本机

简历通

覆盖求职主要环节:找岗位、定制简历、投递跟进、面试准备

支持 Windows 10 / 11 · macOS 13+

简历通首页工作台:岗位指标、近期提醒与接下来做什么
首页工作台:三步上手清单与关键计数,下方是近期提醒列表

先说痛点

大多数求职工具,帮不到你真正卡住的地方。

下面六件事是求职里最常卡住人的地方。简历通针对每一件都做了具体的东西,而不是多一个「AI 帮你写」的按钮。

一份简历海投所有岗位

投出去一百份,回复三封。问题往往不是简历写得差,而是它没有对上任何一个岗位。

简历通:按 JD 逐条对照生成;匹配度分析给五类结论与准入建议——投之前就知道该不该投。

AI 会替你「编」一点

把参与说成主导,把团队的成果写成自己的。面试官顺着问两轮,这句话就撑不住了。

简历通:每条主张带承担程度与个人边界;未确认的说法被显式避开,正文留【待补】标记时导出会被拦下。

面试一问就穿

背了一堆答案,但面试官问的是「这个数怎么统计的」。讲不清口径,前面写得再漂亮也白搭。

简历通:面试深挖按台账已确认的主张逐条压力测试——评分标准事前锁定,用「已验证 / 未验证」等证据状态代替分数,结束给「该去补什么」清单。

投递靠手点,进度散在邮箱里

投了哪些公司、走到哪一步、下一次该做什么,全靠脑子记和一张越来越乱的表格。

简历通:投递台排队后自动投递,逐岗位进度、暂停与熔断都有;投出的岗位自动进求职进度,粘贴邮件截图即可识别进展。

资料、面经与笔记散落各处

证书在一个文件夹、面经在备忘录、链接在浏览器书签里。真要用的时候一个都找不到。

简历通:资料箱放零散材料,知识库放已成文的笔记,回收站统一接管 22 类内容的删除与恢复。

简历和资料不敢交给云端工具

手机号、完整履历、内推人的联系方式——这些放进一个网站里,就要开始担心它被怎么用。

简历通:数据默认不出本机(本地 SQLite),不保存招聘网站凭据,导出可一键脱敏或打包离线分享包。

与众不同

这七件事,是简历通与同类工具的主要区别。

它们不是为了「功能看起来更多」,而是为了让工具的结论能被你核对、也能被面试官追问。每一件都对应一类真实踩过的坑。

01 · 事实台账

先管事实,
再谈表述。

每条要写进简历的话,先拆成原始事实、简历表述、承担程度、个人边界四件事记进台账;只有已确认的条目才能进正式简历——求职助手可以读台账、新建条目,但不能替你确认。

了解事实台账怎么用
事实台账:每条主张带核实状态、承担程度与最近核实日期
事实台账:核实状态用图标与颜色区分,承担程度与最近核实日期一并列出

02 · 匹配度分析

刻意不给
一个百分比评分。

给的是五类结论与准入建议,每条都附 JD 原文与你的证据;另有一个 0–100 参考分,但边界写死:纯本地规则现算、不参与投递准入,并固定带免责说明。

看看匹配结论长什么样
岗位匹配度分析:已匹配 / 表达缺口 / 证据不足逐条附 JD 原文与依据,底部给投递建议
匹配度分析:每条结论都带分类、JD 原文与依据,找不到依据的如实写「资料中未提供」;底部给投递建议

03 · 公司调研

投递之前,
先看清这家公司。

填公司名就能拿到两块结果:聚合搜索来的资料卡片(来源站点、发布日期,高权威来源另标「极权威」),以及带引用来源的联网简报——一句话结论加六个固定小节,每个结论都能追到出处。想挖深可以开「深度调研」,每次调研都在「调研历史」留一条快照。

看看调研结果长什么样
公司与岗位调研的结果页:资料卡片逐条标出来源与日期,下方是联网简报的开头
公司调研:资料卡片标出来源与日期,高权威来源另标「极权威」;联网简报先给一句话结论,再按固定六节展开

04 · 面试深挖

标准在你看到问题之前
就定下来。

每道题在生成时就锁定「验证什么、听哪些证据、何时追问」的评分标准,之后不因答得流利而放宽;用证据状态代替分数,结束后给一份「该去补什么」的行动项与复练队列。

了解面试深挖的判定口径
面试深挖复盘:逐条主张的证据状态与「该去补什么」的行动项
深挖复盘:讲得清的、还站不住的分别列出,行动项落到补事实 / 补知识 / 降表述

05 · 自动投递台

会真的投出去,
也会如实说没投成。

驱动你本机的浏览器完成「打招呼 → 传简历 → 提交 → 校验」;闸门拦下来源不明的岗位,失败分类写真实原因,熔断在连续失败时停下——不在你不知情的时候空跑。

了解投递台的工作方式
自动投递台:投递队列、逐岗位准入结论与开始投递
投递台:右上「使用说明」里写着四步流程(岗位从哪来 / 核对什么 / 怎么改 / 何时才真的投出去)

06 · 求职统计

没有数据的图,
不画零。

按四个主题汇总求职数据;缺日期的记录单独点名而不是算成 0,一张图输入全空时渲染明确空态,算不出来的指标直接不做——不画一排零轴。

看看四个主题区块
求职统计看板:指标卡、五阶段漏斗、月度趋势与各类转率
求职统计:指标卡、五阶段漏斗、月度趋势与各类转率,缺数据的口径单独说明

07 · 从简历到复盘

写完之后,
还有一整套检查与沉淀。

简历编辑页内置 STAR 量化改写、话术生成器、多风格润色、中英互译与版本差异对比;另有查重、敏感词、夸大风险等六类质量与合规检查。导出支持 PDF / Word / HTML / Markdown / 纯文本 / JSON / 图片(PNG)七种格式,可加水印、一键脱敏或打包离线分享包;「最大篇幅」对除 JSON 外的六种格式是同一个上限,选了「不限」就真的不截断。

查看导出与分享方式
简历预览:A4 版式、版面诊断、超页时按 A4 高度切分的近似分页与导出入口
预览与导出:A4 版式实时渲染;内容超出时按 A4 高度切分并标注「近似分页」,真实分页以浏览器打印为准

工作流

六步,从空白到可投递。

不需要先学一套方法论。按顺序走一遍,一份能讲得清、也能被追问的简历就出来了。

  1. 整理资料与事实台账

    教育与经历一次填好(可粘贴简历或上传 pdf/docx 识别);把要写进简历的主张记进台账,标清承担程度与个人边界。

  2. 把岗位找进来

    自动采集、手动粘贴、贴截图或传文档识别均可;采集结果先进暂存区,由你挑选后进岗位广场。

  3. 先判断值不值得投

    跑一次匹配度分析:五类结论逐条对着 JD 原文给准入建议,硬性门槛不满足的岗位早一步放过。投递前还可以做一次公司与岗位调研:资料卡片加带编号引用的简报,看清这家公司最近发生了什么。

  4. 生成或动手写简历

    指定内容美化档位与篇幅后由 AI 流式生成(只用作事实基线的是台账「已确认」条目),也可以自己写;写作增强、质量检查与版本对比都在编辑页。

  5. 预览微调后导出

    A4 预览确认版式,版面诊断告诉你偏空还是偏挤。篇幅可以选 1 / 2 / 3 页,也可以直接选「不限」让它一直往下排;溢出的常见情形仍可用「自动一页」逐档收紧。正文有【待补】标记会被拦下。

  6. 投递、跟进、备战面试

    投递台排队自动投;求职进度接管投出后的每一步;日历提醒跟进节点;模拟面试与深挖把讲不清的地方找出来。

功能清单

一个本地应用,装下求职全流程。

从识别一张招聘截图,到投递、跟进与面试复盘。每一项的具体用法都在使用文档里逐步写清了。

事实台账

把要写进简历的话记成一条:原始事实、表述、承担程度与边界;只有「已确认」的参与生成。

AI 定制简历

按 JD 流式生成,可选美化强度、模板与篇幅(1 / 2 / 3 页或不限);走后台任务,可随时查看或取消。

自行编写与写作增强

资料预填后自由修改,右侧常驻目标岗位要求;STAR 改写、润色、版本对比,一句话让 AI 只改选中的那栏。不想打字也行:点「语音记一条」说完,转写后逐字段校对再插入。

质量与合规检查

查重、敏感词、夸大风险、面试深挖风险点、合规与 ATS 本地检测六类;风险点联动事实台账。ATS 总分按关键词覆盖率重算,同一份简历的分数会比旧版低——这是评分口径的修正,不是退步。

岗位管理与需求解读

技能标签自动提取、状态与批量操作;需求解读按招聘原文输出结构化总结与证据;投递前可对公司与岗位做一次调研——资料卡片 + 带编号引用的简报,历史可回看。

岗位匹配度分析

五类结论 + 准入建议,每条带 JD 原文与证据;参考分不参与准入。

投递台与自动投递

排队自动投递、逐岗位进度、连续失败熔断;只接纳来源在招聘网站内的岗位。

网申填表(只填不交)

专用浏览器整页读取、逐条核对再填充;只填不交,成功率如实展示。

模拟面试与题库

八种类型、三种难度与四种面试官风格;题库按岗位与资料生成。面试官可用合成语音朗读(未配语音凭据时回落本机音色,并写明原因)。

面试深挖

按台账已确认主张逐条压力测试,事前锁定标准,结束时给行动项与复练队列。

多格式导出与分享

PDF / Word / HTML / Markdown / 纯文本 / 图片(PNG),六种格式共用同一个「最大篇幅」上限(JSON 是完整数据,不裁);支持水印、一键脱敏与离线分享包。

无模型也能用

解析、匹配结论、版面渲染、导出、查重与 ATS 检测全走本地规则,不配模型也能用。

外部简历留档

别处生成的 pdf / docx / txt / md 也能进简历中心:原件预览、提取文本、条目化检查(占位符 / 量化 / 联系方式 / 弱表述,不打总分),软删可恢复,也能直接拿去模拟面试。与制作台、导出完全隔离。

附件保存原件

资料箱附件支持图片 / PDF / Word(.docx) / txt / md / json / csv 并保留原件:预览、复制、另存为都可用;扫描件与证书照片可交给 OCR 识别并回读文字(识别引擎三档可设),识别不了会如实说明原因。

开源、透明,数据留在本机。

Apache-2.0 协议开源,前后端代码可查可改;所有数据存在你电脑上的本地 SQLite,不上传任何服务器,不保存招聘网站凭据。换电脑时导出数据集备份即可完整带走。

查看数据与隐私边界
前端
  • React 19
  • TypeScript 6 strict
  • Vite 8
  • Ant Design 6
  • React Router 7
后端与数据
  • Python 3
  • FastAPI
  • SQLAlchemy 2.0
  • Alembic 迁移
  • SQLite
能力与协议
  • 22 个模型预设
  • OpenAI 兼容
  • Anthropic 原生
  • 浏览器自动化(CDP)
  • 本地 PDF 导出

下载

现在就开始,
几分钟跑起来。

简历通完全开源(Apache-2.0 协议),数据只存本机。这里下载最新正式版;本页截图与文档跟随仓库当前代码,界面细节可能与正式版略有差异。

支持 Windows 10 / 11 与 macOS

先用演示数据跑一遍

一份虚构数据包:31 个岗位、15 份简历、21 条事实主张、20 条求职进度、12 场面试经验、13 条投递记录(分 6 个批次,含失败诊断)、20 条提醒、6 条内推、18 个资料箱条目、17 篇知识库笔记,另有题库与复盘历史、面试深挖会话、3 份模型配置、3 份自制模板,以及覆盖应用里每一处界面。该包由 2.2.1 导出,可直接在 2.3.0 里导入(同一 major 内向后兼容,只新增数据集,不动你现有数据)。每个列表都留了一条已删除记录在回收站(岗位、简历、投递、提醒、资料箱、面试经验、知识库各一条),用来演示删除与恢复——所以应用里的默认列表会比上面少数条。

下载演示数据
  • 不用解压,在应用里「设置 → 数据与存储 → 导入备份为新数据集」选中即可;包约 30 MB(含导出用的中文字体),包里不含 API Key。
  1. 下载并解压

    点击下方「下载最新版本」拿到安装包或压缩包(Windows / macOS / Linux 便携包约 36–38 MB,含源码与文档;安装版为 exe / dmg / AppImage),解压或安装到任意位置;能访问 GitHub 的话,也可以 git clone 仓库。

  2. 双击启动文件

    Windows 双击 start.cmd,macOS 双击 start.command。启动器会自动准备运行环境、安装依赖、拉起服务并打开浏览器。首次需要联网,通常几分钟。

  3. 按需配置大模型

    要用 AI 生成简历、匹配度分析、助手与面试时,去「设置」选预设或填自定义接口,测试连接后保存。不配置也能维护资料、管理岗位、手写简历与导出。

校验下载完整性(SHA-256)

每个安装包都附同名 .sha256 文件,下载后核对哈希。v2.3.0 的参考值:

Windows 安装版 0d808ee321639c01a64959469dfa13b51c23f15d39425eed3c29974d340a8bae
Windows 便携版 f32e955083d757c78cfd6abb231b0621054506be059aa17c8784937d6fddc3a0
macOS 便携版 e17e866d0710c414c7a06cf5f78e37acf7f97f1b513d0b3ed06cc84448e6ddbd
macOS 安装版 32cd99320eecb7427113832f5d8280d6a391f9fb9a7c82daed09f5068e21fd68
macOS 安装版(Apple Silicon) d394cbbea5f72f43c9f62dbe1c40fd33c40a099d8a482c609a8baec457138e89
Linux 便携版 3098da3c2b00cecf2f4e3df9a29536dad15705d4b92861492b3ef093fd9643bd
Linux AppImage(x86_64) e3e3e32d8f55a8a01e52eaa148536915b92c737df368ae757ba6b82efb84b06a
Linux AppImage(arm64) ea2e5d983eeff1405b77ae9604f18d9259797c4fde9f8b1f94ddc227bf350b4e

核对方法(三步):① 下载安装包与同名 .sha256 文件;② 在文件所在目录执行 Get-FileHash .\ResumeForge-2.3.0-windows.zip(Windows PowerShell)或 shasum -a 256 ResumeForge-2.3.0-macos.zip(macOS / Linux 终端);③ 把输出与上面的值逐字符比对,一致再运行。应用内更新同样会在安装前自动完成这一步。

需要旧版本?点这里选择下载

Windows 版

macOS 版

  • 想先看看再装?可以到 在线体验 用虚构的演示数据走一遍基本流程。
  • 这几个按钮怎么选:每个平台的便携包只含本平台的启动器(Windows 是 .cmd、macOS 是 .command、Linux 是 .sh);各包的程序本体完全一样,选错平台就下载另一个按钮的。带全部启动器的完整包在 GitHub Release 页提供(上面的「完整安装包」)。
  • 下载不动或打不开?也可以到 QQ 群 922830167 的群文件里取安装包。
阅读完整安装与使用文档

交流与反馈

装不上、跑不起来、想让 AI 更懂你的岗位?来群里问。

这是一个没有客服的项目,但群里有人。提问、提需求、报问题都欢迎,也会把下一版要做什么放在群里先聊。 群文件里还备了安装包——GitHub 下载慢的时候,可以直接从群里取。

QQ 群 922830167

简历通 QQ 群 922830167 的加群二维码
扫码加群 · 群号 922830167