srbhr/Resume-Matcher

⭐ 19,024 🍴 4,052 TypeScript📄 Apache License 2.0 GitHubで見る →

主な特徴

**ローカル動作**: Ollamaを使用し、サーバーへのレジュメアップロード不要
**ATS互換性分析**: ATSシステムとの互換性を詳細に分析
**即時マッチスコア**: レジュメと求人情報をアップロードして即座にスコアと改善点を取得
**キーワード最適化**: 求人キーワードとの整合性を確認し、重要なコンテンツギャップを特定
**ガイド付き改善**: レジュメを際立たせるための明確な提案を提供
**マルチフォーマット対応**: PDFとDOCXファイルをサポート
**リアルタイムプレビュー**: 改善されたレジュメをリアルタイムで確認可能

リポジトリ解析: srbhr/Resume-Matcher

基本情報

リポジトリ名: srbhr/Resume-Matcher
主要言語: TypeScript
スター数: 19,024
フォーク数: 4,052
最終更新: 2025年1月（活発に開発中）
ライセンス: Apache License 2.0
トピックス: AI, Resume, ATS, Job Matching, Open Source, TypeScript, FastAPI, Next.js

概要

一言で言うと

AI駆動のレジュメ最適化ツールで、求人情報に対してレジュメを自動的に最適化し、ATS（応募者追跡システム）を通過する確率を大幅に向上させる。

詳細説明

Resume Matcherは、求職者がATSボットによる自動却下を回避するために開発されたAI駆動のプラットフォームです。採用アルゴリズムをリバースエンジニアリングし、レジュメを最適化する方法を正確に示します。必要なキーワード、フォーマット、インサイトを提供し、実際に人事担当者の手に届くレジュメ作成を支援します。

開発者は「レジュメ作成のためのVS Code」を目指しており、ローカルで動作するプライバシー重視の設計が特徴です。OllamaによるオープンソースAIモデルを使用し、ユーザーのデータをサーバーにアップロードする必要がありません。

主な特徴

ローカル動作: Ollamaを使用し、サーバーへのレジュメアップロード不要
ATS互換性分析: ATSシステムとの互換性を詳細に分析
即時マッチスコア: レジュメと求人情報をアップロードして即座にスコアと改善点を取得
キーワード最適化: 求人キーワードとの整合性を確認し、重要なコンテンツギャップを特定
ガイド付き改善: レジュメを際立たせるための明確な提案を提供
マルチフォーマット対応: PDFとDOCXファイルをサポート
リアルタイムプレビュー: 改善されたレジュメをリアルタイムで確認可能

使用方法

インストール

前提条件

Node.js ≥ v18（npmを含む）
Python ≥ 3.8（python3、pip3）
Ollama 0.6.7（ローカルAIモデルサービング用）
Windows: PowerShell 5.1以降、winget（推奨）
Linux/macOS: Bash 4.4以降、curl、make

インストール手順

# 方法1: クイックスタート（Linux/macOS）
git clone https://github.com/srbhr/Resume-Matcher.git
cd Resume-Matcher
chmod +x setup.sh
./setup.sh
./setup.sh --start-dev  # 開発サーバー起動

# 方法2: Windows PowerShell
git clone https://github.com/srbhr/Resume-Matcher.git
cd Resume-Matcher
.\setup.ps1
.\setup.ps1 -StartDev  # 開発サーバー起動

# 方法3: Makefileを使用（Linux/macOS）
make setup
make run-dev

基本的な使い方

Hello World相当の例

# 1. レジュメをアップロード（API経由）
curl -X POST http://localhost:8000/api/v1/resumes/upload \
  -F "file=@resume.pdf"

# 2. 求人情報を投稿
curl -X POST http://localhost:8000/api/v1/jobs/upload \
  -H "Content-Type: application/json" \
  -d '{"description": "Software Engineer position...", "title": "Software Engineer"}'

# 3. ブラウザでUIを開く
open http://localhost:3000

実践的な使用例

// Frontend: レジュメアップロード処理
import { uploadResume } from '@/lib/api/resume';

const handleResumeUpload = async (file: File) => {
  try {
    const formData = new FormData();
    formData.append('file', file);
    
    const response = await fetch('/api/v1/resumes/upload', {
      method: 'POST',
      body: formData
    });
    
    const data = await response.json();
    console.log('Resume ID:', data.resume_id);
    
    // レジュメ分析結果を取得
    const analysis = await fetch(`/api/v1/resumes/analyze/${data.resume_id}`);
    return await analysis.json();
  } catch (error) {
    console.error('Upload failed:', error);
  }
};

高度な使い方

# Backend: カスタムレジュメ改善ロジック
from app.services import ResumeService, ScoreImprovementService
from app.core import get_db_session

async def improve_resume_with_custom_rules(
    resume_id: str, 
    job_id: str,
    custom_keywords: list[str]
):
    async with get_db_session() as db:
        # レジュメとジョブ情報を取得
        resume_service = ResumeService(db)
        improvement_service = ScoreImprovementService(db)
        
        # カスタムキーワードを含めた改善
        improvements = await improvement_service.generate_improvements(
            resume_id=resume_id,
            job_id=job_id,
            additional_keywords=custom_keywords
        )
        
        # 新しいスコアを計算
        new_score = await improvement_service.calculate_match_score(
            resume_id=resume_id,
            job_id=job_id
        )
        
        return {
            "improvements": improvements,
            "new_score": new_score,
            "resume_preview": await resume_service.generate_preview(resume_id)
        }

ドキュメント・リソース

公式ドキュメント

README.md: プロジェクトの概要、主要機能、インストール手順
SETUP.md: 詳細なセットアップガイド（Windows/Linux/macOS対応）
公式サイト: https://resumematcher.fyi - プロジェクトの紹介とコミュニティ情報
Discord: https://dsc.gg/resume-matcher - アクティブな開発コミュニティ

サンプル・デモ

ライブデモ: https://resumematcher.fyi で基本的な機能を体験可能
モックデータ: Ada Lovelaceの履歴書を使用したデモデータが組み込まれている
ビデオデモ: hero_video.mp4でUIの動作を確認可能

チュートリアル・ガイド

GitHubのREADMEに基本的な使用方法
SETUP.mdに詳細なインストール手順
Discordコミュニティでの活発な議論とサポート
LinkedInページでの更新情報とチュートリアル

技術的詳細

アーキテクチャ

全体構造

モノレポ構造を採用し、フロントエンドとバックエンドを統合管理。FastAPIによるRESTful APIサーバーとNext.jsによるモダンなフロントエンドで構成。Ollamaを使用してローカルでAIモデルを実行し、プライバシーを保護しながら高度な分析機能を提供。

ディレクトリ構成

Resume-Matcher/
├── apps/                  # アプリケーションコード
│   ├── backend/          # FastAPIバックエンド
│   │   ├── app/         # アプリケーションコア
│   │   │   ├── api/     # APIエンドポイント定義
│   │   │   ├── core/    # 設定、DB接続、ロギング
│   │   │   ├── models/  # SQLAlchemyモデル
│   │   │   ├── schemas/ # Pydanticスキーマ
│   │   │   └── services/# ビジネスロジック
│   │   └── pyproject.toml
│   └── frontend/         # Next.jsフロントエンド
│       ├── app/         # App Routerページ
│       ├── components/  # Reactコンポーネント
│       ├── hooks/       # カスタムフック
│       └── lib/         # ユーティリティ、API呼び出し
├── assets/              # 画像、アイコンなどのリソース
├── scripts/             # セットアップ、ビルドスクリプト
├── package.json         # ルートパッケージ設定
├── setup.sh            # Linux/macOSセットアップ
└── setup.ps1           # Windowsセットアップ

主要コンポーネント

ResumeService: レジュメの解析、保存、変換処理
- 場所: apps/backend/app/services/resume.py
- 依存: markitdown、SQLAlchemy、Ollama
- インターフェース: convert_and_store_resume(), get_resume()
ScoreImprovementService: レジュメと求人のマッチング分析
- 場所: apps/backend/app/services/score_improvement.py
- 依存: Ollama LLM、ResumeService、JobService
- インターフェース: generate_improvements(), calculate_match_score()
FileUpload Component: ドラッグ&ドロップファイルアップロード
- 場所: apps/frontend/components/common/file-upload.tsx
- 依存: React、カスタムフック
- インターフェース: onFileSelect, acceptedFormats props
Dashboard Components: レジュメ分析結果の表示
- 場所: apps/frontend/components/dashboard/
- 依存: React Context、Tailwind CSS
- インターフェース: ResumeAnalysis, JobListings, ResumePreview

技術スタック

コア技術

言語:
- Python 3.12+ (バックエンド) - 型ヒント、非同期処理
- TypeScript (フロントエンド) - 型安全性
フレームワーク:
- FastAPI - 高性能な非同期APIサーバー
- Next.js 15+ - App Router、Turbopack対応
主要ライブラリ:
- Ollama (0.4.7): ローカルLLM実行（gemma3:4bモデル使用）
- SQLAlchemy (2.0.40): 非同期ORMとデータベース管理
- markitdown (0.1.1): ドキュメント変換（PDF/DOCX→Markdown）
- Tailwind CSS (v4): UIスタイリング
- Radix UI: アクセシブルなUIコンポーネント

開発・運用ツール

ビルドツール:
- uv: 高速なPython依存関係管理
- npm/pnpm: Node.js依存関係管理
- concurrently: 並列プロセス実行
テスト: 現在はテストコードなし（開発中）
CI/CD: 現時点では未実装
デプロイ:
- ローカル実行が主要な使用方法
- Dockerサポートは計画中

設計パターン・手法

レイヤードアーキテクチャ: API層、サービス層、データ層の明確な分離
依存性注入: FastAPIのDependsを使用したDB接続管理
非同期処理: async/awaitによる高効率な並行処理
コンテキストプロバイダー: Reactでのグローバル状態管理
モノレポ構造: フロントエンドとバックエンドの統合管理

データフロー・処理フロー

レジュメアップロード: ユーザーがPDF/DOCXファイルをアップロード
ファイル変換: markitdownでMarkdown形式に変換
データ保存: SQLiteデータベースに保存
求人情報入力: ユーザーが求人情報をテキストで入力
AI分析: Ollama経由でローカルLLMが分析実行
キーワード抽出: レジュメと求人情報からキーワード抽出
マッチング計算: スコアと改善提案を生成
結果表示: ダッシュボードで結果をリアルタイム表示

API・インターフェース

公開API

POST /api/v1/resumes/upload

目的: レジュメファイルのアップロードと解析
使用例:

const formData = new FormData();
formData.append('file', resumeFile);

const response = await fetch('/api/v1/resumes/upload', {
  method: 'POST',
  body: formData
});

POST /api/v1/jobs/upload

目的: 求人情報の登録
使用例:

const response = await fetch('/api/v1/jobs/upload', {
  method: 'POST',
  headers: { 'Content-Type': 'application/json' },
  body: JSON.stringify({
    description: jobDescription,
    title: jobTitle
  })
});

GET /api/v1/jobs?job_id={id}

目的: 求人情報の取得
使用例:

const response = await fetch(`/api/v1/jobs?job_id=${jobId}`);
const jobData = await response.json();

設定・カスタマイズ

設定ファイル

# .env (ルート)
NEXT_PUBLIC_API_URL=http://localhost:8000

# apps/backend/.env
SYNC_DATABASE_URL=sqlite:///db.sqlite3
ASYNC_DATABASE_URL=sqlite+aiosqlite:///./app.db
SESSION_SECRET_KEY=your-secret-key
PYTHONDONTWRITEBYTECODE=1
ALLOWED_ORIGINS=["http://localhost:3000"]

拡張・プラグイン開発

現在のバージョンでは正式なプラグインシステムは未実装。ただし、以下の拡張が可能：

カスタムAIモデルの追加（Ollama経由）
新しいファイル形式のサポート（markitdownの拡張）
カスタムスコアリングアルゴリズムの実装
新しいUIコンポーネントの追加

パフォーマンス・スケーラビリティ

パフォーマンス特性

ベンチマーク結果:
- レジュメ解析: 2-5秒（ローカルLLM使用時）
- ファイル変換: 1秒以下（通常のPDF/DOCX）
最適化手法:
- 非同期処理による並行実行
- ローカルLLM使用によるレイテンシ削減
- SQLiteによる高速ローカルストレージ

スケーラビリティ

現在はローカル実行を前提としたシングルユーザー向け設計。将来的な拡張計画：

マルチユーザーサポート
クラウドデプロイメント対応
分散処理によるスケールアウト
より大規模なLLMモデルのサポート

制限事項

対応ファイル形式: PDFとDOCXのみ
ローカルリソース依存: Ollamaの実行に相応のCPU/メモリが必要
シングルユーザー: 現在はマルチユーザー非対応
言語サポート: 主に英語（他言語は部分的サポート）

評価・所感

技術的評価

強み

プライバシー重視: 完全ローカル実行でデータ漏洩リスクなし
オープンソース: 透明性が高く、カスタマイズ可能
モダンな技術スタック: FastAPI、Next.js、TypeScriptなど最新技術を採用
使いやすいUI: 直感的なドラッグ&ドロップインターフェース
高速処理: ローカルLLMによる低レイテンシ

改善の余地

テストカバレッジの不足
CI/CDパイプラインの未実装
ドキュメントの充実度（APIドキュメントなど）
エラーハンドリングの統一性
マルチ言語サポートの強化

向いている用途

個人の求職活動でのレジュメ最適化
キャリアコンサルタントのクライアント支援
大学のキャリアセンターでの学生支援
プライバシーを重視する組織での内部利用
レジュメ作成サービスのプロトタイプ開発

向いていない用途

大規模な企業の採用システムとしての利用
リアルタイムマルチユーザー環境
非英語圏での本格的な利用
モバイルアプリケーションとしての利用
商用クラウドサービスとしての展開（現状）

総評

Resume Matcherは、ATS対策という現代の求職活動における重要な課題に対する優れたオープンソースソリューションです。ローカル実行によるプライバシー保護、最新の技術スタック、直感的なUIなど、多くの強みを持っています。

特に注目すべきは、「レジュメ作成のVS Code」というビジョンです。現在はまだ開発初期段階ですが、活発なコミュニティと明確な方向性により、将来的には求職者にとって必須のツールになる可能性があります。

技術的には、FastAPIとNext.jsの組み合わせによるモダンなアーキテクチャ、Ollamaを使用したローカルAI実行など、最新のトレンドを押さえた実装となっています。ただし、テストの不足やドキュメントの改善余地など、プロダクション利用に向けてはまだ課題も残されています。

総じて、個人利用や小規模組織での利用には十分実用的であり、今後の発展が大いに期待できるプロジェクトと評価できます。