输入目标岗位JD和简历，本地运行Ollama自动生成优化建议——关键词匹配度、缺失技能、STAR描述改写。
你有没有这种经历：海投了几十份简历，石沉大海。你开始怀疑是不是简历写得太差了。
我有个朋友被HR内推，对方说：“你的经历写得太平了，看不出亮点。“后来她只改了三处——把项目描述从"负责了XX系统"改成"主导XX系统重构，响应时间降低60%"，简历通过率直接翻倍。
但请顾问要花钱，用在线AI又担心简历泄露。今天做一个本地运行的简历优化助手。
项目背景
找工作时，简历优化有几个核心问题：
- 不知道JD里哪些关键词是必须的
- 项目经历写得太流水账
- 用在线AI服务改简历，隐私数据存在别人服务器上
本地部署一个AI助手，既能拿到专业的优化建议，又能保证简历不外传。
技术选型
| 组件 | 选择 | 理由 |
|---|---|---|
| 大模型 | Ollama + qwen2.5:7b | 本地运行，免费无限制 |
| 语言 | Python 3.10+ | 生态成熟 |
| UI交互 | Gradio | 零前端代码 |
| 简历解析 | pdfplumber | 提取PDF简历文字 |
Ollama安装：
curl -fsSL https://ollama.com/install.sh | sh
ollama pull qwen2.5:7b
实现步骤
第一步：项目结构
mkdir -p resume_optimizer
cd resume_optimizer
touch app.py analyze.py jd.txt resume.txt requirements.txt
requirements.txt：
ollama
gradio>=4.0
pdfplumber
pip install -r requirements.txt
第二步：核心分析逻辑 analyze.py
import ollama
import json
from pathlib import Path
MODEL = "qwen2.5:7b"
def read_file(path):
return Path(path).read_text(encoding="utf-8").strip()
def analyze_resume(jd_text, resume_text):
prompt = f"""你是招聘顾问。分析JD和简历，给出JSON结果。
## JD内容
{j
这篇文章对你有帮助吗？