简历评估工具

ATS简历评估器——人工智能简历筛选，在您的机器上本地运行

别再猜测你的简历是否会通过ATS。 此MCP服务器直接插入Claude Desktop，并使用本地LLM根据任何职位描述对您的简历进行评分——逐项要求——您的机器上没有任何数据。

输入职位描述和简历。返回一份详细的适合度报告，其中包括符合要求的分数、简历中的证据、确定的差距和总体适合度百分比。全部由Ollama提供动力，在当地运行。

为什么存在

大多数求职者盲目定制简历。招聘人员使用ATS软件在人类阅读申请之前筛选候选人。这个工具翻转脚本——它让你 运行招聘人员使用的结构化评估，这样你就可以准确地看到你的简历在哪里，在哪里遗漏了， 之前 你申请。

主要优势：

• 隐私第一 --一切都通过Ollama在当地运行。你的简历和职位描述永远不会离开你的机器。
• 需求级别评分 --每个职位要求都按照0-4的匹配度进行单独评分，并从简历中提取逐字证据。
• 可采取行动的差距 --立即查看您缺少或仅部分满足的要求，以便您确切地知道要修复什么。
• 在Claude Desktop内工作 --请克劳德对你的简历进行评估。MCP集成意味着零上下文切换。
• 确定性结果 --温度零点推断为您提供一致、可重复的评估。

所得

对于每次评估，服务器都会生成一份结构化报告，其中包含：

快速开始

先决条件

• Python 3.10+
• 奥拉玛 — brew install ollama 或 ollama.com
• 一个模型被拉 — ollama pull qwen3.5:9b （建议用于16GB RAM）

安装

git clone https://github.com/JamisonProctor/ats-mcp-server.git
cd ats-mcp-server
python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt

在Claude Desktop注册

编辑您的Claude Desktop MCP配置：

macOS： ~/Library/Application Support/Claude/claude_desktop_config.json

添加 ats-evaluator 进入 mcpServers 章节：

{
  "mcpServers": {
    "ats-evaluator": {
      "command": "<path-to>/ats-mcp-server/.venv/bin/python3",
      "args": ["<path-to>/ats-mcp-server/ats_mcp_server.py"],
      "env": {
        "ATS_WORKSPACE": "<path-to-your-job-search-workspace>",
        "OLLAMA_MODEL": "qwen3.5:9b",
        "OLLAMA_HOST": "http://localhost:11434"
      }
    }
  }
}

替换 <path-to> 使用机器上的实际路径。保存后重新启动Claude Desktop。

设置工作区

<workspace>/
├── prompts/
│   └── ats_eval.md          # Eval prompt template (included in this repo)
└── jobs/
    └── <company__role>/
        ├── jd.md             # Paste the job description here
        └── resume.pdf        # Your resume

运行评估

问问克劳德：

“根据google__product_manager职位评估我的简历”

Claude将对评估进行排队，对结果进行民意调查，并向您展示完整的匹配报告——分数、差距、优势等等。

运作原理

1. 你问克劳德 根据特定的工作文件夹来评估你的简历。
2. 克劳德打电话来 run_ats_eval --服务器读取JD，从您的简历PDF中提取文本，并将所有内容发送给Ollama，并给出结构化的评估提示。
3. LLM分析比赛 --它从JD中确定了6-10个关键要求，然后根据简历中发现（或未发现）的证据对每个要求进行评分。
4. 结果结构化返回 --符合要求的匹配分数、总体匹配百分比、最大差距、最大优势。
5. 报告已保存 --原始文本和解析的JSON都会写入作业文件夹以供将来参考。

评估在顺序队列中运行，以遵守GPU约束。您可以对输出进行版本控制(v1, v2等等）来比较简历编辑如何影响你的分数。

可用的MCP工具

环境变量

故障排除

• “奥拉玛不跑” --快跑 ollama serve 否则服务器将尝试自动启动它。
• “找不到模型” --快跑 ollama pull qwen3.5:9b （或您配置的型号）。
• “未找到PDF” --在运行eval之前，请确保您的简历PDF位于job文件夹中。
• 首次运行缓慢 --模型在第一次请求时加载到内存中。后续的跑步速度更快。

构建于

• 模型上下文协议（MCP） --Claude Desktop的工具界面
• 奥拉玛 --本地LLM推理
• PyMuPDF --PDF文本提取

许可证

麻省理工学院