革命性简历构建神器Reactive-Resume:30秒自部署,永久免费开源
2026-02-04 04:11:52作者:董灵辛Dennis
还在为制作简历花费数小时却不满意?还在担心简历格式不兼容招聘系统(ATS)?Reactive-Resume让你告别这些烦恼——这款基于React和Firebase的开源简历生成工具,能帮你30秒搭建个人简历系统,支持10+模板、实时编辑和多格式导出,全程零广告、零追踪,数据完全私有。
为什么选择Reactive-Resume?
核心优势一览
- 极速部署:30秒完成本地搭建,数据完全自主掌控
- 多模板支持:12种专业模板覆盖商务、创意等场景
- AI增强:集成OpenAI自动优化简历内容(需自备API密钥)
- 多语言支持:内置40+种语言包,含中文、英文等主流语种
- 隐私优先:本地存储+自托管选项,杜绝数据泄露风险
项目采用现代化技术栈构建:
- 前端:React + Vite (apps/client/src/main.tsx)
- 后端:NestJS + Postgres (apps/server/src/main.ts)
- 模板系统:自定义组件化设计 (apps/artboard/src/templates)
快速上手:30秒搭建本地环境
准备工作
确保已安装Docker和Git,执行以下命令一键部署:
git clone https://gitcode.com/GitHub_Trending/re/Reactive-Resume
cd Reactive-Resume
docker-compose up -d
访问 http://localhost:3000 即可使用,数据存储在本地PostgreSQL数据库(apps/server/src/database)。
目录结构解析
核心功能模块分布:
- 客户端界面:apps/client/src/pages
- 简历模板:apps/artboard/src/templates
- PDF导出:apps/server/src/printer
- AI集成:apps/client/src/services/openai
模板系统:12种风格满足不同场景
Reactive-Resume提供12款精心设计的模板,从极简商务到创意设计全覆盖:
| 专业商务系列 | 现代创意系列 | 学术简约系列 |
|---|---|---|
![]() |
![]() |
![]() |
| Onyx模板 (onyx.tsx) | Pikachu模板 (pikachu.tsx) | Ditto模板 (ditto.tsx) |
模板支持深度定制:
- 颜色方案:通过src/styles/_colors.css修改
- 布局调整:拖拽式界面自定义模块位置
- 字体选择:集成Google Fonts 200+字体
高级功能:AI助力打造完美简历
OpenAI集成功能
- 内容优化:一键润色工作描述
- 语法修复:自动修正拼写和语法错误
- 语气调整:根据职位要求切换专业/活泼风格
- 多语言翻译:支持20+语言即时转换
配置方法:在设置页面填入API密钥,代码实现见src/services/openai。
数据统计与分享
- 简历访问量跟踪 (src/stores/analytics.ts)
- 生成可分享链接 (src/components/share-button.tsx)
- 导出格式:PDF、JSON、HTML (src/services/export)
自托管指南:完全掌控你的数据
Docker部署
使用项目内置的docker-compose配置:
# compose.yml核心配置
version: '3'
services:
client:
build: ./apps/client
ports:
- "3000:80"
server:
build: ./apps/server
environment:
- DATABASE_URL=postgresql://user:pass@db:5432/resume
db:
image: postgres:14
volumes:
- pgdata:/var/lib/postgresql/data
volumes:
pgdata:
配置选项
修改.env.example文件自定义设置:
- 邮件服务:配置SMTP发送简历分享邮件
- 存储设置:对接S3兼容对象存储
- 认证方式:启用GitHub/Google OAuth登录
扩展与贡献
开发新模板
提交贡献
项目欢迎PR,开发指南见CONTRIBUTING.md,主要贡献方向:
- 新模板开发
- 语言翻译 (src/locales)
- 功能优化
总结
Reactive-Resume凭借其开源免费、高度可定制和AI增强特性,彻底改变了简历制作流程。无论是求职新人还是资深专业人士,都能通过它快速创建ATS友好的专业简历。
项目持续活跃开发,最新版本和更新日志见CHANGELOG.md。立即部署体验,让你的简历在求职竞争中脱颖而出!
开源地址:https://gitcode.com/GitHub_Trending/re/Reactive-Resume
文档教程:docs/guide.md
社区支持:Discord
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0446
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown00
jiuwenswarmJiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0766
Hy3Hy3 是由腾讯混元团队研发的快慢思考融合的混合专家模型,总参数量 295B,激活参数 21B,MTP 层参数 3.8B。4 月底发布 Hy3 Preview 后,我们在 50 多个业务中获得了广泛的反馈,修复了各种体验问题,进一步提升了后训练的质量和规模。今天,我们发布 Hy3。它展现出显著强于同尺寸并比肩旗舰(参数规模往往是 Hy3 的 2~5 倍)开源模型的智能水平,显著提升了在各类产品和生产力任务中的实用价值。Python00
AscendNPU-IRAscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优C++0312
DragonOSDragonOS is an operating system developed from scratch using Rust, with Linux compatibility. It is designed for **Serverless** scenarios. 使用Rust从0自研内核,具有Linux兼容性的操作系统,面向云计算Serverless场景而设计。Rust00
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Markdown
827
5.48 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
494
515
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
783
1.57 K
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
800
1.14 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
970
2.28 K
deepin linux kernel
C
32
16
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
480
311
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.01 K
766
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Markdown
1.26 K
808
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
647
284


