IA gera curratos sob medida em app de busca de emprego auto-hospedado

A aplicação aceita um único perfil e, para cada vaga, gera um currato e uma carta personalizados com base apenas nos dados que você forneceu. O que a vaga exige e que seu perfil não possui é apontado como lacuna, never inventando experiência. Isso resolve a questão da autenticidade e da privacidade, pois o modelo de IA pode ser local (via Ollama ou LM Studio) ou uma API externa compatível, mas os dados brutos permanecem sob seu controle.

Como funciona

O Dossier é uma aplicação web rodada em Next.js, com banco de dados PostgreSQL. A instalação é flexível: há suporte a Docker, Docker Compose, Node.js, Ubuntu, CapRover, Coolify e Dokploy. O README indica que o caminho mais direto é usar o contêiner Docker:

docker run -d -p 3000:3000 ghcr.io/aientech/dossier

Após subir o serviço, você acessa a interface, cria seu perfil com histórico, habilidades, projetos e referências. Em seguida, cola o texto de uma vaga ou busca por anúncios via JSearch (LinkedIn, Indeed) ou Adzuna. A IA analisa a vaga, compara com seu perfil e rascunha um currato e uma carta. Você refinia esses documentos em um chat integrado, baixa os PDFs finais e acompanha cada etapa do processo, do rascunho à oferta.

Casos de uso práticos

• Candidatura em massa: Um profissional que se candidata a dezenas de vagas pode gerar, para cada uma, um currato e uma carta adaptados, poupando horas de trabalho manual.
• Busca por startups: O app inclui uma função específica para startups, listando vagas de YC e do thread "Who is hiring?" do Hacker News, filtradas por localização e remoteidade.
• Agente de busca: Uma opção opcional executa uma busca diária, pontua novas vagas contra o perfil e guarda as melhores no painel, sem enviar nada automaticamente.
• Integração com Claude: O conector opcional permite que o Claude, no app ou na CLI, busque vagas, leia seu perfil e salve rascunhos no Dossier, mantendo o controle total sobre o que é feito.
• Envio por e-mail: Com Gmail conectado, o app prepara uma mensagem com os PDFs anexos, pronta para ser enviada pelo seu endereço oficial.

O que diferencia o Dossier

Diferente de geradores de curratos em nuvem que treinam modelos com dados de usuários, o Dossier prioriza a auto-hospedagem. A licença AGPL-3.0 exige que modificações sejam compartilhadas, o que pode ser um obstáculo para empresas fechadas, mas garante transparência. Em contraste com ferramentas como o Indeed Apply ou funcionalidades de IA de plataformas de emprego, o Dossier não envia candidaturas automaticamente e não vende dados.

A integração com modelos locais (Ollama, LM Studio) é um diferencial para quem tem restrições de privacidade, pois o perfil e os documentos gerados nunca saem do servidor. Já a opção de usar APIs externas (OpenAI, Anthropic, Mistral) abre a porta para quem prefere qualidade sobre localidade, mas nesse caso o conteúdo escrito é transmitido para terceiros.

Limitações e cuidados

O repositório apresenta 7 issues abertas, o que sugere um estado de manutenção ativo, mas não é um indicador de estabilidade de longo prazo. A última release, v1.9.2, foi em 2026-10-27, um dia antes da consulta, e o último commit em 2026-10-27, indicando atividade recente. No entanto, o número de contribuidores não foi informado, nem há dados sobre testes de segurança ou desempenho sob carga.

A dependência de um modelo de IA, seja local ou externo, é um ponto crítico: modelos locais exigem hardware compatível e podem ser lentos, enquanto APIs externas incorrem em custos e dependem de conectividade. A licença AGPL-3.0 também merece atenção jurídica para uso comercial. Dados sobre crescimento de usuários, desempenho em produção e feedback da comunidade não estão disponíveis no repositório.

Resumo rápido

• Projeto: Dossier — app auto-hospedado de busca de emprego com IA para gerar curratos e cartas personalizadas.
• Licença: AGPL-3.0
• Linguagem: TypeScript
• Estrelas: 1.805
• Ranking: #12 diário, #22 semanal no Trendshift
• Risco principal: Dependência de modelo de IA e restrições da licença AGPL para uso comercial.

Fontes

• Repositório GitHub
• Última release (v1.9.2)
• Homepage
• Tendshift – Dossier