用 AI 按职位给 ERPNext 求职者打分

用 AI 按职位给 ERPNext 求职者打分

一个面向 ERPNext 的 n8n 工作流。每添加一位求职者，它会读 PDF 简历，和这个职位对照，让 Google Gemini 写出匹配程度、分数、评级和理由。这些值保存在求职者记录上，分数低于 80 的状态设为 Rejected，80 及以上的设为 Accepted。

包里有什么

• workflow.json：n8n 导出的工作流，38 个节点。其中十五个是说明各步骤的便签。里面没有任何凭据。
• README.md：这份设置说明，压缩包里的是英文版。

我们相对原来的副本改了什么

• 模型原来是 gemini-2.0-flash-exp，现在是 models/gemini-3.6-flash，这是 Google 为它的 2.0 flash 系列指定的替代模型。
• 提示词要求回答 FitLevel 时没有冒号，而 Convert to Fields 找的是 FitLevel:。现在提示词里加了冒号，所以匹配程度能被读到。
• 三个 HTTP 节点原来调用的是作者自己的 ERPNext 地址。现在写的是 <YOUR_ERPNEXT_HOST>，请换成你自己的。
• webhook 路径原来带着作者的网站名，现在是 erpnext-job-applicant-shortlist。
• 一张写着作者署名、付款链接和广告的便签已去掉。
• 所有凭据关联都已删掉，请在每个需要凭据的节点里选你自己的。
• 别的都没改。Microsoft Outlook、WhatsApp Business Cloud 和 Txt File to Text (Example) 还是原来的样子。

开始之前

• 一个 n8n 实例，n8n Cloud 或自己的服务器都行。
• 一个带 Job Applicant 文档类型的 ERPNext 站点、一个给 n8n 用的 API 凭据，以及添加 webhook 和自定义字段的权限。
• 一个 Google Gemini API 密钥。
• 以 PDF 链接保存的简历，链接不用登录就能打开。下载节点不带任何凭据。

设置

1. 在 n8n 里新建一个工作流，打开它的菜单，选 Import from File，选中 workflow.json。
2. 在 ERPNext 里，给 Job Applicant 文档类型加三个自定义字段，字段名是：custom_fit_level、custom_score 和 custom_justification_by_ai。applicant_rating 已经有了。
3. 添加一个 ERPNext API 凭据，在 ERPNext - Reject if Resume not Attached、ERPNext - Hold Applicant、Get Job Opening、Reject Applicant、Update Applicant Data 和 Accept Applicant 里选中它。
4. 在 Reject Applicant、Update Applicant Data 和 Accept Applicant 里，把地址中的 <YOUR_ERPNEXT_HOST> 换成你的 ERPNext 主机，比如 erp.example.com。
5. 添加一个 Google Gemini 凭据，在 Google Gemini Chat Model 里选中它。
6. 填好 Microsoft Outlook 和 WhatsApp Business Cloud，或者删掉其中一个或两个。按现在的样子，两个都没有收件人，也没有消息内容。
7. 在 ERPNext 里，给 Job Applicant 文档类型加一个新增时触发的 webhook。它的 JSON 内容要带上 name、Job_opening（所申请的职位，或者文字 None）和 resume_link（以 .pdf 结尾的链接）。先用 Webhook 的测试地址。
8. 添加一位测试求职者，带一个 PDF 链接和一个有描述的职位。在 ERPNext 里看一下结果，点 Publish，再把 ERPNext 指向正式地址。

一位求职者的过程

1. Webhook 收到求职者。Code 加一个没有任何地方用到的 myNewField 字段，ApplicantData 留下请求内容。
2. Resume Link Provided 检查 body.resume_link 是否以 http 开头。不是的话，ERPNext - Reject if Resume not Attached 把状态设为 Rejected，运行结束。
3. Applied Against Job 检查 body.Job_opening 是不是文字 None。是的话，ERPNext - Hold Applicant 把状态设为 Hold，运行结束。
4. Reume Attachment Link 把链接复制到 body.resume_attachment，File Type 按链接的结尾分类。只有 pdf 这个输出通往后面。
5. Download PDF Resume 取回文件，PDF to Text 读出文字，Merge1 把它传下去。
6. Get Job Opening 按名字从 ERPNext 取回这个职位。
7. Recruitment AI Agent 把职位名称、描述和简历文字发给 Gemini，要求它给出 FitLevel、Score、Rating 和 Justification。
8. Convert to Fields 从回答里读出这四个值，Update Applicant Data 把它们保存到求职者记录上。
9. If score less than 80 做决定。Reject Applicant 设为 Rejected，Accept Applicant 设为 Accepted。空的 Microsoft Outlook 和 WhatsApp Business Cloud 接在它们后面。

改变结果

• 打分方式：Recruitment AI Agent 里的提示词。它写明了比较什么、怎么评分。
• 及格线：If score less than 80 里的 80。
• 分数低时做什么：Reject Applicant。如果该由人来决定，把它的状态改成 Hold。
• 什么算简历：Resume Link Provided，以及 File Type 里的三条规则。
• 模型：Google Gemini Chat Model。
• 给求职者的消息：填好 Microsoft Outlook 或 WhatsApp Business Cloud。

注意事项

• Google 的弃用页面（2026 年 11 月 12 日查阅）显示 2.0 flash 系列已于 2026 年 6 月 1 日关停，替代模型是 gemini-3.6-flash。页面里没有按名字列出实验版的 gemini-2.0-flash-exp。
• 分数低于 80 就设为 Rejected，没有人读过。各国各城市对自动化招聘决定的规定不同，请先查一下你那里的规定，或者把 Reject Applicant 改成设为 Hold。
• Microsoft Outlook 和 WhatsApp Business Cloud 是空的。它们没有收件人、主题或消息内容，第一次测试之前请填好或删掉。
• Frappe 的 Rating 字段保存的是 0 到 1 之间的比例（Frappe 的评分控件，2026 年 11 月 12 日查阅），而 Update Applicant Data 把模型给的 0 到 5 原样发过去。如果星星全都满格，请在那个节点里把评级除以 5。
• 只有 .pdf 链接会继续往下走，而且区分大小写。.doc 或 .jpg 链接会让这次运行结束，求职者记录不变，扫描版 PDF 到 Gemini 时没有文字可打分。
• Txt File to Text (Example) 没有输入。它只是第二种文件类型的示意。
• Webhook 没有认证，所以知道地址的人都能发一个假的求职者。请在节点里和 ERPNext 里加上 Header Auth。
• 简历文字和职位描述都会发给 Google Gemini，两者都可能含有个人信息。
• 每位走到这一步的求职者，至少要按你密钥所在的套餐调用一次 Gemini。