JadeAI 開源 AI 履歷工具實測：自架不等於本地優先，履歷與模擬面試紀錄都進伺服器資料庫

用 AI 摘要這篇文章：

ChatGPT Claude Perplexity Google Grok

JadeAI 是一款掛著「自架部署」「本地優先」招牌的開源 AI 履歷工具。把它從 GitHub 複製下來讀原始碼會發現，它其實是一套要你自架的 Next.js 伺服器應用：你的履歷內容、貼上的職缺描述、AI 對話，甚至整段模擬面試的逐字稿，都寫進伺服器端的 SQLite 資料庫。它的隱私優勢建立在伺服器由你自己掌控這件事上，和純靜態前端的 OpResume 架構完全不同。Apache-2.0 授權、1832 顆星，還附帶一套來源沒怎麼提起的 AI 模擬面試模組。

先別急著把它歸進「又一個線上履歷產生器」那個抽屜。JadeAI 和我們之前實測過的 OpResume 履歷產生器 看似同一類，兩者都開源、都讓你自己帶 AI 金鑰、都能匯出 PDF 履歷。不過只要各抓一份原始碼攤開來比，差別就出來了：OpResume 是一份純靜態前端，打開瀏覽器就能跑，履歷存在 localStorage，背後沒有伺服器；JadeAI 卻是一套得用 Docker 架起來的 Next.js 應用，後面掛著一個真的資料庫。這個差別，決定了你輸入的資料究竟存在哪裡。

先把兩種架構分清楚：靜態前端 vs 自架伺服器

很多開源履歷工具被一股腦兒塞進「本地優先」這個標籤，但底層架構差很多。OpResume 是純前端架構，整套程式就是一堆靜態檔案，丟上 Cloudflare Pages 就能用，你的履歷欄位寫進瀏覽器自己的儲存空間，AI 功能也是瀏覽器直接打電話給模型供應商。JadeAI 則是完整的伺服器應用，有前端、有後端、有資料庫，你得自己找一臺機器把它跑起來。兩種做法都把資料留給你自己，但信任的對象完全不同。

把這張表記在心裡，後面 JadeAI 每一條「隱私」設計才看得準。它所有的隱私承諾都建立在一個前提上：那臺伺服器是你自己架的。這個前提一旦換掉，例如你貪方便直接用官方放的公開 demo，整件事的性質就跟著變。

Pin

自架版為什麼不算本地優先：資料全進伺服器資料庫

這是整套工具裡最值得拆開看的一段。JadeAI 的資料庫結構寫在 src/lib/db/schema.ts，用的是 Drizzle ORM，預設接 SQLite（檔案落在 ./data/jade.db），也支援 PostgreSQL。把這份 schema 欄位一條條讀下去，會看到一個和「本地優先」印象不太一樣的畫面。

履歷本身拆成兩張表。resumes 存每份履歷的中繼資料，欄位包含標題、模板、分享用的 token、是否公開，甚至一個 share_password 分享密碼欄位。resumeSections 則存履歷的實際內容，每一個段落（學經歷、技能、專案）的正文都進到一個 JSON 欄位裡。這代表你輸入的每一行經歷，都落在伺服器的資料庫檔案裡。

不只履歷。jdAnalyses 這張表會把你貼進去的整段職缺描述（job description）連同分析結果、整體分數、ATS 分數一起存下來；chatMessages 把你和 AI 的對話一來一往記下來；面試模組的 interviewMessages 更把你模擬面試時的問答全文留下。這些全部是伺服器端的持久化資料，重開容器、換瀏覽器，資料都還在伺服器上。

所以「私有化部署」這四個字要正確理解。它的意思是這臺伺服器由你架、資料庫檔案在你自己機器的磁碟上，相對於把履歷交給某家履歷 SaaS 的雲端，主控權確實在你手裡。但它終究是一個伺服器加資料庫的架構，跟 OpResume 那種「關掉瀏覽器資料就跟著你、伺服器根本不存在」的純前端做法，完全是兩回事。這點你得先搞清楚，它決定了信任邊界在哪裡。

BYOK 金鑰流向：經過你自家伺服器轉一手

JadeAI 採用 BYOK（自帶金鑰）模式，支援 OpenAI、Anthropic、Google 三家供應商，金鑰在你本機的瀏覽器設定裡填入。到這裡為止，和它對外宣稱的差不多。金鑰接下來的去向才是重點。

在前端的 src/stores/settings-store.ts 裡，金鑰確實存在 localStorage，欄位名是 jade_api_key。但同一份程式碼的 getAIHeaders() 函式，會把金鑰連同供應商、端點、模型名稱，塞進 x-api-key、x-provider 這幾個請求標頭，跟著每一次 AI 呼叫送到伺服器。伺服器端的 src/lib/ai/provider.ts 裡，extractAIConfig() 就是負責把這些標頭讀回來，再用 Vercel AI SDK 去呼叫真正的模型。

這套做法和我們在 考搭子 KaoBuddy 看到的「後端轉發」是同一種設計：請求會先到你自架的那臺 JadeAI 伺服器，再由伺服器轉發給模型供應商，而不是從瀏覽器直奔供應商。在你自己架、自己用的情境下，這通常不是問題，金鑰只是經過你自己的伺服器。settings-store.ts 對金鑰欄位留了一句「stored locally only, never sent to server」的註解，但實際行為明明就會透過 x-api-key 標頭送出，註解和程式碼對不上，這點讀原始碼時別被誤導。

來源沒告訴你的另一半：一整套 AI 模擬面試

JadeAI 在 GitHub 上的功能比多數介紹文寫得更寬。它的 API 路由清單裡有一整個 /api/interview 家族，對應到一套完整的 AI 模擬面試模組，這在原本的來源介紹裡幾乎沒被提起。

從資料庫結構能看出它的規模。interviewSessions 開一場面試，帶有職缺、職位、你挑選的面試官類型；interviewRounds 把面試拆成多個回合，每回合換一種面試官、有最大題數上限；interviewMessages 記下你跟 AI 面試官的問答全文；最後 interviewReports 產出總分、各維度分數、總評與一份改善計畫。整套等於把你「照著這份履歷去應徵這個職缺」的練習流程化，可以反覆跑。

除了面試模組，還有幾個來源同樣沒提的功能：一個 AI 專業大頭照產生器（/api/linkedin-photo，能從普通照片生成證件照風格的頭像）、把履歷包成分享連結並可加上密碼與瀏覽次數統計（resumeShares 表）、AI 文法檢查搭配一鍵修復，以及把圖片履歷直接解析成可編輯欄位的能力。這些加起來，JadeAI 的定位已經超過履歷排版器，更接近一套求職輔助套件。

自架 vs 公開 demo：隱私只在你親自架時才成立

JadeAI 有一個官方放出的公開實例，網址是 jadeai.cturing.cn，實測連得上去、回應正常。這個 demo 對想先試用的人很方便，但它背後藏著一個容易被忽略的前提。

前面說過，JadeAI 的隱私前提是「伺服器在你手上」。一旦你用的是 jadeai.cturing.cn 這個公開 demo、沒有自己架，情況就整個翻過來：你填的履歷、貼的職缺、模擬面試的逐字稿、AI 金鑰，全部都會經過 demo 背後那臺由別人掌管的伺服器。同樣的程式碼，跑在你自己的機器和跑在陌生人的機器上，意義完全不同。要享受它標榜的資料自主，前提就是乖乖用 Docker 在自己這邊架一份。

Pin

部署門檻與幾個要先弄清楚的事

真要自架，部署本身不算太難。官方提供 Docker 映像檔，一行 docker run 帶上環境變數就能跑起來，預設用 SQLite 不必額外裝資料庫。有兩個細節值得記下：一是 GitHub 上的原始碼已經從 twwch/jadeai 改名到 LingyiChen-AI/JadeAI，舊連結會自動轉址，但 Docker Hub 上的映像檔名稱仍是 twwch/jadeai（累計三萬多次下載），所以來源文章裡那行 docker 指令還是有效的，別因為 GitHub 改名就以為映像檔也跟著搬了。

二是授權。JadeAI 的授權是 Apache-2.0，這在開源履歷工具裡算是乾淨且對商用友善的選擇，package.json 裡標了 private: true 只是表示這個套件不打算發布到 npm，不影響倉庫本身以 Apache-2.0 釋出的事實。相較於一些 README 宣稱 MIT、倉庫裡卻找不到授權檔案的專案，這裡的授權狀態是明確的。

介面語言是另一個比較實際的門檻。JadeAI 的多語系檔案只有兩份：zh.json 與 en.json，預設語言是 zh，而那份 zh 是簡體中文，並沒有繁體中文（zh-TW）版本。也就是說，你打開來看到的不是簡體中文介面，就是英文介面，沒有熟悉的繁中介面可選。功能能用，但這點對在意操作體驗的人要先有心理準備。

與隱私有關的設計還有兩處。預設情況下（AUTH_ENABLED=false）系統不開正規登入，改用 FingerprintJS 產生的瀏覽器指紋來辨識使用者，這在多人共用同一個自架實例時，是它區分誰是誰的方式；這套指紋技術本質上是一種追蹤手段，用在這裡是當作替代登入的折衷。PDF 匯出則是在伺服器端用 Puppeteer 開一個無頭瀏覽器來算圖，所以匯出中文履歷碰到字型錯位時，問題出在伺服器容器裡沒裝中文字型，得回到宿主機或映像檔去補字型，這也呼應了它「伺服器端處理」的本質。

適合誰，以及要誠實說明的限制

把這些條件擺在一起，JadeAI 適合什麼樣的人就很清楚了。如果你是那種會自己開 Docker 架服務、想把整段求職流程（從履歷欄位、貼進去的職缺描述、到模擬面試的逐字稿）都留在自己機器上的人，JadeAI 就是為這套工作流設計的；順手的話，它 Apache-2.0 的授權也讓你想 fork 來改就改。相對地，如果你只想打開網頁、五分鐘產出一份履歷就走，OpResume 那種純前端、免架站的工具會順手得多。

幾個限制也要講明白。JadeAI 的 JD 匹配分數、ATS 分數都是 AI 估算出來的參考值，不是任何徵才系統的官方標準，同一份履歷換個模型、換個時間點跑，數字會浮動，把它當絕對指標會誤判。ATS 友善的模板能降低被系統誤判的機率，但不能保證一定通過某家公司的篩選。AI 模擬面試的評分同理，它是練習的回饋，不等於真正面試官會給的評價。至於 AI 產生的專業大頭照，涉及把你的照片送進模型，產出影像的使用權限與風險也要自己把關。求職工具能幫你整理與練習，但錄取與否，從來不是一份履歷或一個工具能決定的事。

若你在意 BYOK 模式的成本與選擇邏輯，AI coding 方案對比一文裡對自帶金鑰的計費思路有詳細整理；想看另一種把敏感文件留在自己機器處理的工具，可以參考 Secure PDF Editor 的本地處理驗證，那份工具同樣在伺服器端處理檔案，但走的是不同的本地化路線。

常見問題

自架 JadeAI 值得嗎，還是直接用公開 demo？如果你重視它標榜的隱私與資料自主，就值得自架，因為這個前提只在伺服器是你架的時候才成立。用公開 demo 等於把履歷和模擬面試內容交給 demo 背後的伺服器。只是想快速試用功能，demo 夠了；要長期拿來處理真實求職資料，建議自己架。

它說本地優先，我的資料真的都在自己手上嗎？資料確實在你自己手上，但「自己手上」指的是你那臺自架伺服器的磁碟，不是瀏覽器。履歷內容、職缺分析、面試逐字稿都寫進伺服器的資料庫檔案。你掌控這臺伺服器，就等於掌控資料；但這和「資料只存在瀏覽器、伺服器不存在」的純前端工具是兩回事。

它和 OpResume 怎麼選？兩者都開源、都 BYOK。差別在架構：OpResume 是純靜態前端，免架站、資料在瀏覽器、AI 由瀏覽器直連供應商，適合輕量使用；JadeAI 是自架伺服器應用，有資料庫、有模擬面試模組、有分享連結，功能更完整，代價是要會架伺服器。要輕便選 OpResume，要整套求職練習流程且能自架，選 JadeAI。

沒有繁體中文介面怎麼辦？目前官方多語系只有簡體中文和英文，沒有繁中。你能用英文介面操作，或勉強看簡體中文。若你具備開發能力，因為它是 Apache-2.0 開源專案，可以自己 fork 一份、補上繁中語系檔再自架，這也是開源自架工具常見的好處。

判斷 JadeAI 值不值得架，其實只要回答一個問題：你願不願意為了「求職資料整套留在自己機器」這件事，去養一臺 Next.js 伺服器。願意，它是一套少見把履歷、職缺比對、模擬面試做進同一個資料庫的求職套件；不願意，OpResume 那個免架站的選擇一直都在。