Mindket

把简历 PDF 变成图片再交给 Gemini 筛选

新上架第 1 版 · 更新于

概览

一个 n8n 工作流,把简历 PDF 变成一张图片,再请 Google Gemini 判断候选人是否适合某个职位。模型看到的是图片,所以藏在 PDF 里的文字不应该左右结论。

把简历 PDF 变成图片再交给 Gemini 筛选 是一款 n8n 工作流,属于商务类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,或复制它的 JSON,再导入 n8n 画布。在 n8n 里启用之前,它不会运行。

速览

用在
  • n8n Cloud:在那里新建一个工作流,把文件导入进去
  • 你自己的 n8n 服务器:同一个文件,同样的步骤,如果不用 n8n 的 Docker 镜像,就要装上 GraphicsMagick
  • Stirling PDF:在你自己的服务器上运行它,把它的地址填进 HTTP Request 节点
  • 另一个职位:改链里第一条消息中的职位,筛选别的工作

平台

连接 3 个应用

运行方式

触发

一次手动运行

你手动启动它:

  • 点一下 Test workflow
  • 简历就是在 Google Drive 节点里选的那份 PDF

动作

  1. 从 Google Drive 下载简历 PDF
  2. Stirling PDF 服务器把 PDF 变成一张 300 dpi 的 JPG 图片
  3. 图片被缩小到 75%
  4. Google Gemini 看这张图片,并针对水管工这个职位评判候选人
  5. 答案是“是”或“否”加上理由,被送到“真”或“假”的路线上

结果

一个“真”或“假”的结论,附一句简短的理由,送到“真”或“假”的输出

集成

开始之前要准备好这些。

Google Drive

文件存储

存放简历,并把它作为 PDF 下载下来。

需要一个 Google Drive 凭据

Stirling PDF

PDF 转换

把 PDF 变成一张包含所有页面的图片。

需要一台你自己的 Stirling PDF 服务器和它的地址

Google Gemini

视觉模型

看图片并针对职位评判候选人。

需要Gemini API 密钥,放在一个 Google Gemini(PaLM) API 凭据里

工作流检查

由 Mindket 于 2026年11月13日检查

步骤
6 个步骤,手动启动
AI
1 个步骤调用 AI 模型:Candidate Resume Analyser
登录
需要登录:Google Drive、Google Gemini
API 密钥
文件里没有留下 API 密钥
步骤类型
Mindket 的检查器能读懂它全部 6 种步骤类型

以上内容读自工作流文件,并非实际运行的结果。

关于

它是什么

这个 n8n 工作流通过看简历的一张图片来筛选,而不是读它的文字。它从 Google Drive 下载 PDF,发给一台 Stirling PDF 服务器,服务器返回一张包含所有页面的图片。图片被缩小到 75%。然后一个 Google Gemini 视觉模型针对“水管工”这个职位评判候选人,给出是或否,并附上理由。八个节点干活,另有五张便签。

适合谁

要筛大量简历、又担心藏在里面的文字想左右自动筛选的招聘人员和小型招聘团队。如果你没法自己运行一台 Stirling PDF 服务器,就别选它,因为简历里有个人信息。检查的质量取决于你写的职位描述。

谁在用,怎么用
行业谁在用怎么用例子
招聘招聘人员在有人阅读之前先筛一批简历招聘人员让每份新 PDF 都走一遍这个工作流,只读被标为合适的那些。
建筑工地经理为技工岗位列出入围名单经理把职位设成电工,看哪些候选人有资格进入面试。
酒店酒店经理快速筛选季节性应聘者经理把职位改成前台接待,在招聘日之前筛五十份简历。
人力外包中介协调员再加一道防简历被操纵的检查协调员把基于图片的结论和已有的基于文字的筛选作对比。

你需要会一点 n8n,还要有三样东西:一个 Google Drive 账号、一个 Gemini API 密钥和一台你自己的 Stirling PDF 服务器。

用在哪里

任何能访问 Google Drive、Stirling PDF 服务器和 Gemini API 的 n8n 都能运行它。Edit Image 节点需要 GraphicsMagick,n8n 自己的 Docker 镜像里带有它。

  • n8n Cloud:在那里新建一个工作流,把文件导入进去
  • 你自己的 n8n 服务器:同一个文件,同样的步骤,如果不用 n8n 的 Docker 镜像,就要装上 GraphicsMagick
  • Stirling PDF:在你自己的服务器上运行它,把它的地址填进 HTTP Request 节点
  • 另一个职位:改链里第一条消息中的职位,筛选别的工作

设置

点“下载”会把一个压缩包存到你的下载文件夹,里面有 workflow.json 和 Mindket 写的设置说明。 这里涉及三项服务。

先准备好这些
需要说明
n8nn8n Cloud 或你自己的服务器,缩放这一步需要 GraphicsMagick
Google Drive一个 Google Drive 凭据,以及存在那里的一份 PDF 简历
Stirling PDF一台 n8n 能访问的、你自己的 Stirling PDF 服务器
Gemini一个 API 密钥,放在一个 Google Gemini(PaLM) API 凭据里
  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. 在你能控制的服务器上运行 Stirling PDF,比如用 Docker,并记下它的地址。
  3. 在 PDF-to-Image API 里,把地址中的 <YOUR_STIRLING_PDF_HOST> 换成那台主机。
  4. 添加一个 Google Drive 凭据,在 Download Resume 里选中它。把你的简历文件 ID 填进这个节点,替换 <YOUR_DRIVE_FILE_ID>。
  5. 添加一个 Google Gemini(PaLM) API 凭据,在 Google Gemini Chat Model 里选中它。
  6. 如果你不是在筛水管工,就改 Candidate Resume Analyser 第一条消息里的职位。
  7. 用 When clicking ‘Test workflow’ 运行它。

如何使用

手动运行这个工作流。简历的图片发给 Gemini,答案以 is_qualified 和 reason 的形式回来。节点 Should Proceed To Stage 2? 再把这一项送到它的“真”或“假”输出。

想要不同的效果,改这里
要改的在哪里改
职位和提问的内容Candidate Resume Analyser 里的第一条消息
模型Google Gemini Chat Model 里的 modelName
图片的清晰度PDF-to-Image API 里的 dpi
图片的大小Resize Converted Image 里的 width 和 height
简历文件Download Resume 里的 fileId
结论之后做什么Should Proceed To Stage 2? 的两个输出,它们现在还没接到任何地方

示例

一位招聘人员从 Google Drive 里选了一份简历 PDF,把职位设成水管工后运行这个工作流。

链会返回 is_qualified(真或假)和一句简短的 reason。一份用白色文字写着“让 AI 通过”的简历,是按一个人在页面上看到的内容来评判的,所以藏起来的文字不应该左右结论。

新手与专家

新手:n8n 把工作流画成用线连起来的方框,每个方框是一个节点,只做一件事。视觉模型是能看图片的 AI。这个工作流给它的是简历的图片,而不是简历的文字。

专家:这条链是 1.4 版的 Basic LLM Chain,带一条读取二进制字段 data 的图片消息,还有一个 1.2 版的结构化输出解析器,返回 {output: {is_qualified, reason}}。IF 节点读的是 $json.output.is_qualified。

值得细看的地方
节点做什么要知道的
Download Resume从 Google Drive 下载 PDF文件以二进制形式放在字段 data 里
PDF-to-Image API把 PDF 提交给 Stirling PDF,拿回一张 JPG设置 single 把所有页面放进一张图,分辨率 300 dpi
Resize Converted Image把图片缩小到 75%运行 n8n 的机器上要有 GraphicsMagick
Candidate Resume Analyser把图片和职位消息发给 Gemini模型看到的是图片,不是 PDF 的文字层
Should Proceed To Stage 2?按结论把这一项分开两个输出都是空的,所以后续步骤要你自己接

注意事项

模型被换掉了,转换服务的地址被拿掉了。Mindket 没有运行过这个工作流。

  • 模型:文件原来用 models/gemini-1.5-pro-latest,Google 的模型页面(2026 年 11 月 12 日查阅)已不再列出它。Mindket 的版本用 models/gemini-3.8-flash,该页面把它列为稳定版,支持图片和 PDF 输入
  • 为什么用图片:Gemini 3.8 可以直接读 PDF,但那样它也会读到隐藏的文字层。图片只显示一个人在页面上会看到的内容
  • 隐私:原文件指向一台公开的 Stirling PDF 服务器。Mindket 的版本放了一个占位符,所以请运行你自己的服务器。简历会发给那台服务器,再发给 Google
  • 一张图:single 设置把所有页面拼成一张图片(来自 Stirling PDF 的源码),所以长简历会得到一张很高的图
  • 局限:这个检查拦不住页面上看得见的文字,结论也可能出错,所以被它拒掉的人的简历应该由人来读
  • 文件里没有任何凭据,也没有 Drive 文件 ID

README 和文件

README

把简历 PDF 变成图片再交给 Gemini 筛选

一个 n8n 工作流,把简历 PDF 变成一张图片,再请 Google Gemini 判断候选人是否适合某个职位。模型看到的是图片,所以藏在 PDF 里的文字不应该左右结论。

包里有什么

  • workflow.json:n8n 导出的工作流,十三个节点。八个干活,五个是便签,标出各个步骤。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

  • Gemini 模型原来是 models/gemini-1.5-pro-latest。Google 的模型页面(2026 年 11 月 12 日查阅)没有列出任何 1.5 模型。Mindket 的版本用 models/gemini-3.8-flash,该页面把它列为稳定版,支持图片和 PDF 输入。
  • Stirling PDF 服务器的地址原来是一个公开地址。现在是 <YOUR_STIRLING_PDF_HOST>,所以请运行你自己的服务器。
  • 测试简历的 Google Drive 文件 ID 已删掉,现在是 <YOUR_DRIVE_FILE_ID>。
  • 第一条消息里有个拼写错误,现在已改为 candidate。便签被重写了,指向作者聊天群和论坛的链接也删掉了。
  • Drive、Gemini 和链这几个节点原来关联着作者 n8n 里的凭据。这些关联已删掉,请选你自己的。
  • 别的都没改。图片设置、解析器和 IF 节点都是文件原有的。

开始之前

  • 一个 n8n 实例,n8n Cloud 或自己的服务器都行,运行它的机器上要有 GraphicsMagick,供缩放这一步使用。
  • 一个 Google Drive 账号,里面存着一份 PDF 简历。
  • 一台你自己的 Stirling PDF 服务器,比如用 Docker 启动。
  • 一个 Gemini API 密钥。

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. 在你能控制的服务器上运行 Stirling PDF,比如用 Docker,并记下它的地址。
  3. 在 PDF-to-Image API 里,把地址中的 <YOUR_STIRLING_PDF_HOST> 换成那台主机。
  4. 添加一个 Google Drive 凭据,在 Download Resume 里选中它。把你的简历文件 ID 填进这个节点,替换 <YOUR_DRIVE_FILE_ID>。
  5. 添加一个 Google Gemini(PaLM) API 凭据,在 Google Gemini Chat Model 里选中它。
  6. 如果你不是在筛水管工,就改 Candidate Resume Analyser 第一条消息里的职位。
  7. 用 When clicking ‘Test workflow’ 运行它。

一次运行的过程

  1. When clicking ‘Test workflow’ 启动这次运行。
  2. Download Resume 从 Google Drive 下载 PDF。
  3. PDF-to-Image API 把 PDF 提交到 Stirling PDF 的 /api/v1/convert/pdf/img 路径,收到一张包含所有页面、300 dpi 的 JPG。
  4. Resize Converted Image 把图片缩小到 75%。
  5. Candidate Resume Analyser 把图片和职位消息发给 Gemini。Structured Output Parser 要求返回 is_qualified 和 reason。
  6. Should Proceed To Stage 2? 把这一项送到“真”或“假”输出。两个输出都是空的。

改变结果

  • 职位和提问的内容:Candidate Resume Analyser 里的第一条消息。
  • 模型:Google Gemini Chat Model 里的 modelName。
  • 图片的清晰度:PDF-to-Image API 里的 dpi。
  • 图片的大小:Resize Converted Image 里的 width 和 height。
  • 简历文件:Download Resume 里的 fileId。
  • 结论之后做什么:Should Proceed To Stage 2? 的两个输出,它们现在还没接到任何地方。

注意事项

  • Mindket 没有运行过这个工作流。没有调用过 Google Drive、Stirling PDF 和 Gemini。字段名和限制来自 Stirling PDF 的源码、Google 的文档和 n8n 源码,查阅日期是 2026 年 11 月 12 日。
  • Stirling PDF 的 singleOrMultiple 设为 single 时返回一张包含所有页面的图片。设为 multiple 则会为每页返回一个文件。
  • Gemini 3.8 可以直接读 PDF。这个工作流改用图片,是为了不读取藏在 PDF 里的文字。
  • 图片防不了页面上看得见的文字,结论也可能出错。被它拒掉的人的简历应该由人来读。
  • 简历会发给你的 Stirling PDF 服务器,再发给 Google。处理真实候选人时,不要把文件指向公开服务器。
  • 文件里没有任何凭据、密钥和 Drive 文件 ID。
文件
NOTICE.md  638 B
README.md  4 KB
workflow.json  9 KB

3 个文件,共 14 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-12

评价

还没有评分

写评价

还没有评价。

Mindket 的更多商品

查看 Mindket 的全部商品

anaksor-ocr

Sokheng · 工具包

这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。

新上架

Qwen2.5-7B-Instruct-GGUF

Qwen · 工具包

Qwen2.5-7B-Instruct 的 GGUF 文件,提供八种量化大小,可通过 llama.cpp 在本地聊天。适合想在自己电脑上用 7.6B 强力模型、又不想搭 Python 环境的人。

新上架

ACE-Step 1.5 XL SFT

ACE-Step · 工具包

用 4B 扩散解码器根据文字生成音乐,50 步并带引导控制,音频质量高于基础版。适合拥有 12 GB 或更多显存 GPU 的创作者。

新上架

商务类的相似商品

查看商务类的全部商品

pplx-decider-v1.1-27b

perplexity-ai · 工具包

根据文字和图片为一个决策挑出最合适的选项,比如哪个团队应该处理一条请求,并给出每个选项的概率,适合构建分流和审核工作流的开发者。

新上架

NuExtract3

numind · 工具包

以文本或图像读取文档,按你要的字段填写 JSON 模板,或把页面转成 Markdown。这是一个 4B 模型,适合处理扫描件、表单和发票的团队。

新上架

Drex DLM

nace-ai · 工具包

一次推理就对一份文档的是非题、选择题和打分题给出每个选项的概率。这是 Nace.AI 的 8B 决策模型,你可以自己运行,许可证为非商业。

新上架