Resume Builder AI

项目概述

AI简历编辑器——一个Python MCP（模型上下文协议）服务器，让AI系统根据招聘信息定制简历，并通过LaTeX生成专业PDF。简历数据以JSON格式存储，使用Pydantic模型进行验证，并通过PyLaTeX呈现。

MCP服务器URL:https://resume-builder-ai-production-b0ae.up.railway.app/mcp 此mcp服务器在注册mcp服务器时使用Auth0对用户进行身份验证。数据作为postgres实例存储在Railway上的MCP Server实例旁边。

自托管版本可以在release/Self_hosted下找到

要在windows上下载PyLaTeX，请访问：https://ctan.mirror.rafal.ca/systems/win32/miktex/setup/

命令

# Install dependencies
uv sync

# Run MCP server (stdio transport)
python main.py

PDF生成需要系统级LaTeX安装（例如TeX Live、MiKTeX）。

建筑

数据流： 用户JSON→ 通过MCP工具进行AI定制→ 定制JSON→ DocBuilder→ LaTeX→ PDF

core/ --MCP集成层

• tools.py --MCP工具：保存/加载简历数据，生成PDF(save_resume_data, save_catered_resume_data, get_catered_resume_data, generate_pdf)
• resources.py --将简历数据作为MCP资源公开(doc://resume/{name})
• prompt.py --结构化提示引导人工智能根据招聘信息定制简历

doc_utils/ --文档生成和数据模型

• doc_model.py --定义简历模式的Pydantic模型(DocModel, UserInfo, SectionContent, SectionContentDescriptions, AdditionalsListedSectionContent)
• doc_builder.py --编排LaTeX文档构造； build() 组装完整文档， export() 将PDF+TeX写入 output/
• doc_config.py --LaTeX包/字体/间距配置（EB Garamond衬线，窄边距）
• doc_tools.py --定制LaTeX组件(SectionTitle, SectionDivider)

documents/ --恢复数据存储

• user_data/ --基本简历配置文件（完整JSON）
• catered_resume_data/{Name}/ --针对特定工作的定制版本

output/ --生成的PDF和TeX文件

关键模式

• SectionContentDescriptions 是递归的--支持任意深度的嵌套项目符号点
• 结束日期在中是可选的 SectionContent （支持正在进行/当前的角色）
• generate_pdf() 该工具返回通过base64编码的PDF EmbeddedResource
• 所有文件路径都使用 pathlib.Path
• 用途 uv 用于使用锁文件进行依赖关系管理

Claude桌面配置

{
  "mcpServers": {
    "ai_resume_editor": {
      "command": "uv",
      "args": [
        "--directory",
        "
",
        "run",
        "main.py"
      ]
    }
  }
}

Claude桌面使用情况

理想情况下，Claude应该使用您的工作区来处理用户数据的检索和生成，从而了解我们为什么将目录更改为项目文件夹。

1. 首先给克劳德你的简历，让他为你的名字生成一个新的用户条目
2. 仔细检查documents/user_data/{your_name}.json文件中的信息是否正确。如果你愿意，你也可以添加新条目
3. 回到Claude，将提示添加到“创建新简历”。
4. 给它一个不带后缀的user_data文件（例如：documents/user_data/Bryan_Hunh.json->Bryan_Huynh）
5. 填写公司名称和职位
6. 将职位发布复制并粘贴到“职位”字段中，然后按enter键
7. 如果一切顺利，你精心策划的简历应该出现在输出文件夹中