Dossier：自托管的求职管理应用，依据个人档案生成定制简历与求职信并跟踪申请进度

AienTech/dossier · A self-hosted job search app that writes tailored resumes and cover letters from your profile.

GitHub原文发布未知首次收录 2026-10-29上架 2026-10-31 07:06

ELI5：它是什么，解决什么问题

Dossier 是一个自托管的求职管理应用，使用 TypeScript 和 Next.js 构建、以 PostgreSQL 存储数据。它把职业经历集中在一个档案中，生成基础简历；针对具体职位，读取招聘信息、展示与档案的匹配情况，并用档案中的事实起草定制简历和求职信，用户可在聊天中修改并导出 PDF。它提供求职岗位搜索与评分、创业公司职位聚合、可选的每日求职 Agent、Claude 连接器，以及可选的 Gmail 与 Google Calendar 集成，并能用看板和数据表跟踪从草稿到 offer 的全流程。AI 模型可选用 Ollama 或 LM Studio 提供的本地模型，也可选用任意 OpenAI 兼容 API、Anthropic 或 Mistral 的托管模型。

# 自托管 # LLM # Agent 与自动化 # 求职管理 # 简历生成

核心能力与快速开始

★ 2734 · TypeScript

能做什么: 维护包含经历、项目、教育、出版物的个人档案，并生成十二种主题的基础简历；搜索或从职位聚合来源获取岗位，按档案进行匹配评分；从粘贴的招聘信息中提取要求，起草只使用档案事实的定制简历与求职信，并标出差距；通过聊天修改、撤销 AI 改动、恢复历史版本；生成配套申请邮件；可选求职 Agent 每日搜索并准备待审草稿，从不自动发送；可选 Claude 连接器与 Gmail/Google Calendar 集成；以看板和表格跟踪申请，提供漏斗与周度图表、面试日历；支持导出、导入、夜间备份与删除全部数据。
适用场景: 个人在自有服务器或本地 Docker 环境中集中管理求职档案、批量投递定制化简历与求职信、跟踪申请状态与面试安排；希望用本地模型保留简历数据隐私的求职者；需要通过 Claude 或邮件/日历集成辅助求职流程的用户。
项目形态: 可直接使用的工具
部署方式: 支持本地 Docker Compose 运行（需约 1.7 GB 镜像下载与约 2 GB 可用内存），也支持在自有服务器上通过 Docker Compose 加 Caddy、Node.js、CapRover、Coolify 或 Dokploy 自托管，建议至少 2 vCPU 和 2 GB 内存；文档提供了安装指南与各部署方式的说明。
主要依赖: 本地运行需要 Docker Desktop 或 Docker Engine 及 Compose 插件；自行托管需要服务器与自有域名；AI 模型需自备，可选本地 Ollama/LM Studio 或托管 OpenAI 兼容 API、Anthropic、Mistral；Gmail/Calendar 集成需自备 Google OAuth 客户端。具体 API 费用与限制未说明。
使用限制: 仅面向桌面浏览器，不支持手机；单用户单密码，无多账号；界面为英文；每个数据库只能运行一个应用实例；AI 生成与文档起草耗时从数秒到数分钟，取决于模型；AGPL-3.0 许可，网络提供服务时修改版需向用户提供源代码。
许可证: AGPL-3.0
最近推送: 2026-10-27 16:48

项目文档核对 README 依据 ↗

资料检查：2026-10-29 07:00 · 卡片整理：2026-10-31 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证

职业应用

程序员

程序员可用该自托管应用管理求职：从粘贴的招聘信息提取要求并与个人档案匹配，生成仅基于档案事实的定制简历和求职信，并跟踪申请状态。

查看内容依据

For every job you apply to, it reads the posting, shows how you match, and drafts a tailored resume and cover letter that only use facts from your profile.

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

HR

作为求职管理工具，HR 可用于管理自身求职流程：集中职业档案、根据招聘信息生成定制简历与求职信、按匹配度评分岗位、用看板跟踪申请进度。

查看内容依据

Your job search, on your own server: one profile, a tailored resume and cover letter for every job, and every application tracked from draft to offer.

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

相似资源

aigateway：统一管理和路由多 LLM 提供商 API 请求的网关工具

aigateway 是一个可自托管的 AI API 网关，用于在应用与多个 LLM 提供商之间管理和路由 API 请求。它支持为不同客户端分配密钥与配置、通过 ACL 控制访问权限、指定客户端可用的 AI 模型、设置速率限制和日/月配额，并通过实时仪表盘监控请求量、错误和性能。项目以 Go 编写，README 提供了 Windows 平台的下载、安装与配置说明。

9Router：为 AI 编程工具提供多供应商路由、自动故障切换与 token 节省的免费 AI 网关

9Router 是一个可自托管的 AI 路由网关，把 Claude Code、Codex、Cursor、Cline、Copilot、OpenCode、Antigravity 等 CLI 工具统一接到 40+ 供应商、100+ 模型上。它提供 RTK Token Saver 自动压缩 tool_result 内容以节省 20-40% token、订阅额度跟踪、按「订阅→低价→免费」分层的自动回退、多账号轮询、OpenAI 与 Claude 格式互转以及自动 token 刷新，目标是减少限流中断与调用成本。README 还列出了 Kiro、OpenCode Free、Vertex AI 等免费额度的具体条件与变动说明。

PentAGI：面向渗透测试的自主 AI Agent 系统

PentAGI 是一个基于 AI 的自动化安全测试平台，面向信息安全专业人员、研究人员和爱好者，用于执行渗透测试任务。系统采用多智能体（研究、开发、执行、编排）协作架构，运行在隔离的 Docker 沙箱中，内置 nmap、metasploit、sqlmap 等 20 多种专业安全工具，具备智能记忆系统与可选的 Neo4j 知识图谱集成、内置浏览器与多种外部搜索 API，支持 10 多种 LLM 提供商、REST/GraphQL API、PostgreSQL+pgvector 持久化存储以及 Grafana/Prometheus 监控。项目采用 MIT 许可，通过 Docker Compose 自托管部署。

WeKnora：将文档转化为可查询 RAG、自主推理 Agent 与自维护 Wiki 的开源 LLM 知识平台

WeKnora 是腾讯开源、基于 LLM 的知识框架，面向企业级文档理解、语义检索与自主推理。以三大能力为核心：RAG 快速问答、可自主编排检索与 MCP 工具及沙箱执行的 ReAct Agent，以及将原始文档提炼为自维护互链 Markdown 知识库并带交互式知识图谱的 Wiki 模式。支持多源知识接入与同步（飞书 Wiki / 飞书 Drive / GitLab / 腾讯 IMA / Notion / 语雀 / 钉钉文档 / RSS 等）与 10 余种文档格式解析，可对接 20 余种 LLM 提供商（含 LiteLLM），提供多工作区 RBAC、可切换的向量库与存储后端、Langfuse 可观测性，以及完全可自托管的模块化架构。

这是基于来源内容整理的摘要。原文链接失效后，本页摘要和讨论仍会保留。