想找一款免费、无广告、数据还能自己掌控的简历工具?开源项目 JadeAI 给出了答案——它把 AI 生成、拖拽编辑、多格式导出全部装进一个可自托管的容器里,配合 Docker 一键部署,几分钟就能跑起来。本文从功能到架构,带你完整认识这个项目。

为什么值得关注:一个真正可自托管的简历工具

市面上简历产品大致分两类:一类功能齐备但订阅费用不低,另一类免费却伴随水印、模板陈旧、缺少 AI 能力。JadeAI 的定位很明确——完全开源、免费使用、支持自托管,并且所有 AI 调用都走用户自己的 API Key,服务端不落盘任何密钥,数据主权回到使用者手里。

对开发者来说,这种设计还有一个额外好处:整个应用天然适合容器化部署。你不需要关心 Node 运行时、数据库驱动、Chromium 依赖的安装细节,一条 docker run 就能把服务拉起来,后续升级也只是换个镜像标签。相比传统手工部署,Docker 方案把环境差异带来的坑一次性抹平,这对个人服务器、NAS 甚至树莓派场景都很友好。

模板与编辑器:50 套风格 + 所见即所得体验

打开应用首先看到的是模板画廊,内置 50 套专业设计模板,覆盖经典、现代、极简、创意、ATS 友好、北欧、瑞士、日式等多种风格,基本能匹配不同行业与求职场景。对不擅长排版的求职者来说,选一套模板就能直接开工。

模板画廊

进入编辑器后是拖拽式的所见即所得体验:点击任意字段即可就地修改,拖动模块调整顺序,右侧面板实时反映最终效果。系统支持 50 步撤销/重做,并带自动保存,即便误关页面也不会丢数据。

简历编辑器

实践建议:先把内容填完整,再回头微调版式。模板切换不会丢失已录入的信息,所以不必在选模板上纠结太久。

AI 能力矩阵:从生成到优化的完整闭环

JadeAI 的 AI 能力不是单点功能,而是一条覆盖「生成—解析—优化—校验—匹配」的完整链路。

  1. 一键生成简历:输入目标职位、工作年限和核心技能,AI 直接产出一份结构化简历,解决空白页焦虑。
  2. 图片/PDF 解析:上传旧简历的 PDF 或照片,AI 自动识别并提取内容填入编辑器,省去手工录入。
  3. AI 对话优化:编辑器内集成聊天助手,可以用自然语言下达指令,例如「用更专业的措辞重写这段项目经历」。AI 理解当前简历上下文,能直接修改内容,并支持多会话与历史记录持久化。
  4. 语法与写作检查:检测弱动词、模糊描述和语法问题,给出质量评分与逐条建议,支持一键应用修复。
  5. JD 匹配分析:粘贴目标岗位 JD,输出关键词覆盖率、ATS 通过率评分、缺失技能清单与针对性改进建议。
AI 填充简历AI 图片简历解析AI 优化AI 语法检查语法一键修复JD 匹配分析

此外还提供求职信生成(正式/友好/自信三种语气)和多语言翻译(10 种语言互译,保留专业术语原文)。

[AFFILIATE_SLOT_1]

导出、分享与技术架构解析

成品输出支持 PDF、DOCX、HTML、TXT、JSON 五种格式。其中 PDF 采用 Puppeteer + Chromium 在服务端渲染,每套模板都有独立的导出处理器,确保导出结果与预览高度一致。分享方面可生成在线链接,支持密码保护与浏览次数统计,直接发给 HR 即可查看。

多格式导出创建分享链接简历分享页

技术栈一览:

层级技术
框架Next.js 16 (App Router, Turbopack)
UIReact 19, Tailwind CSS 4, shadcn/ui, Radix UI
拖拽@dnd-kit
状态管理Zustand(5 个 Store:简历、编辑器、设置、UI、引导)
数据库Drizzle ORM(同时支持 SQLite 和 PostgreSQL)
认证NextAuth.js v5 + FingerprintJS(零配置指纹识别降级方案)
AIVercel AI SDK v6 + OpenAI / Anthropic / 自定义端点
PDFPuppeteer Core + @sparticuz/chromium
国际化next-intl(中文 / 英文完整双语)
数据校验Zod v4

几个值得细说的设计亮点:

  • 双数据库支持:默认 SQLite 零配置开箱即用,也可切换 PostgreSQL。借助 Drizzle ORM 的适配器模式,一套 Schema 同时适配两种数据库。
  • AI 密钥完全客户端化:服务端不存储任何 API Key,用户在浏览器内配置并保存在 localStorage,密钥始终由使用者掌控。
  • 指纹认证降级:不想配置 OAuth?默认用浏览器指纹作为用户标识,打开即用,零门槛。
  • 模板与导出解耦:50 套模板各自配套服务端 PDF 处理器,保证「所见即所得」。

⚠️ 注意:由于 PDF 渲染依赖 Chromium,容器镜像体积会偏大,部署时建议预留足够磁盘空间,并在反向代理层配置好超时时间。

部署实践:Docker 一行命令跑起来

JadeAI 的部署体验是其最大卖点之一。执行下面的命令即可启动服务:

docker run -d -p 3000:3000 \
-e AUTH_SECRET=$(openssl rand -base64 32) \
-v jadeai-data:/app/data \
twwch/jadeai:latest

随后访问 http://localhost:3000,首次启动会自动完成数据库迁移与初始化。整个过程中只需要配置一个 AUTH_SECRET 环境变量用于会话加密,其余全部零配置。AI 功能在应用内的「设置 > AI」中自行填写 API Key 与模型即可。

本地开发同样简单:

git clone https://github.com/twwch/JadeAI.git
cd JadeAI
pnpm install
cp .env.example .env.local
pnpm db:generate && pnpm db:migrate
pnpm dev

进阶提示:如果你计划在多台机器上运行,或需要横向扩展,可以进一步把 JadeAI 纳入 Kubernetes 集群管理。将 SQLite 换成 PostgreSQL、把会话密钥通过 Secret 注入、再用 Deployment + Service 暴露访问入口,就能获得滚动升级与副本调度的能力。当然,对于个人使用场景,单机 Docker 已经足够;只有在多人协作或高可用需求出现时,才需要考虑 容器编排 层面的方案,避免过度设计。

✅ 部署检查清单:确认端口映射正确、挂载持久化卷保存数据库文件、为反向代理开启 HTTPS、定期备份数据目录。

未来规划与总结

项目作者列出的路线图包括:简历版本历史与快照回滚、简历照片上传、独立的简历质量评分(无需 JD)、移动端适配、简历分组与标签管理,以及更多 AI 模型支持。整体方向是从「生成工具」向「简历管理平台」演进。

总结一下:JadeAI 用开源方式解决了简历工具的三大痛点——免费无 watermark、AI 能力可自带 Key、数据完全自托管;50 套模板、拖拽编辑、五种格式导出与在线分享构成了完整闭环;而 Docker 一键部署让上手成本降到最低。项目采用 Apache 2.0 协议,仓库地址为 https://github.com/twwch/JadeAI,欢迎 Star、提 Issue 或贡献 PR。如果你正在求职或帮朋友改简历,不妨拉起来试一试。

[AFFILIATE_SLOT_2]