Telegram 简历和求职信机器人，AI 加 LaTeX

Telegram 简历和求职信机器人，AI 加 LaTeX

一个把 Telegram 机器人变成简历和求职信助手的 n8n 工作流。一个人把简历作为 PDF 发来，或者直接打字写下自己的情况。AI 模型读完后，在 Supabase 里为这个人保存一份档案。随后用命令查看档案、按职位描述量身调整、对照职位的关键词检查、写一封求职信，并发回编译好的 PDF 文件。九十八个节点完成全部工作。

里面有什么

• workflow.json：n8n 导出的工作流，98 个节点，没有便签。里面没有任何凭据。
• README.md：这份说明。

我们对原始副本做了哪些改动

Mindket 清理了这份副本，并换掉了停用的模型：

• 七个主聊天模型用的是 Ollama 云端的 qwen3-coder:480b 和 rnj-1:8b。Ollama 的云端模型列表（2026 年 11 月 12 日查看）里两个都没有。四个较大的现在用 gpt-oss:120b，三个较小的用 gpt-oss:20b，两个都在那个列表上。
• 七个备用模型用的是 Cerebras 模型 zai-glm-4.7，Cerebras 已于 2026 年 8 月 17 日弃用它。它们现在用 gpt-oss-120b，它在 Cerebras 当前的共享列表上。
• 每个凭据都已去掉。Telegram、Supabase、SSH、Ollama 和 Cerebras 的凭据由你自己添加。
• 文件原来没有设置。Mindket 的副本用当前的执行顺序 v1。
• 文件里没有主机名、地址或密钥，所以没有别的需要替换。

开始之前

• 一个 n8n 实例，n8n Cloud 或你自己的服务器都行。
• 一个用 @BotFather 建的 Telegram 机器人。
• 一个 Supabase 项目，里面有一张叫 Profiles 的表，有四列：telegram_id（bigint）、telegram_username（text）、master_profile（text）和 tailored_profile（text）。
• 一个带 API 密钥的 Ollama 账号，用来调用它的云端模型。
• 一个 Cerebras API 密钥，用于备用模型。
• 一台能用密码 SSH 登录的 Linux 服务器，装了完整的 TeX Live。模板用到 cfr-lm、marvosym 和 tcolorbox 这样的包，而且那里必须能运行 pdflatex 和 base64 命令。

设置步骤

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. 添加一个填了机器人令牌的 Telegram 凭据。在 Telegram Trigger 和每个 Telegram 节点里选中它。需要凭据的节点在 n8n 里会有标记。
3. 在 Supabase 里创建上面说的 Profiles 表。添加一个 Supabase 凭据，填上项目 URL 和 service role 密钥，在七个 Supabase 节点里选中它。请让这张表不对公众开放，因为 service role 密钥会跳过行级安全。
4. 添加一个 OpenAI 凭据，基础 URL 是 https://ollama.com/v1，密钥是你的 Ollama API 密钥。在 Ollama、Ollama JD、Ollama Fix LaTeX Model、Ollama CL Model、Classifier Model、Classifier Model1 和 Ollama ATS Model 里选中它。
5. 添加第二个 OpenAI 凭据，基础 URL 是 https://api.cerebras.ai/v1，密钥是你的 Cerebras 密钥。在名字以 Cerebras 开头的七个节点里选中它。
6. 为你的服务器添加一个 SSH 凭据，填上它的主机、端口、用户名和密码。在 Write LaTeX File、Write LaTeX File (Retry)、Read PDF Base64 和 Compile Cover Letter 里选中它。
7. 发布工作流，这样 Telegram 触发器才会一直开着。
8. 在 Telegram 里打开你的机器人，发 /start，再把一份简历作为 PDF 发过去。
9. 发 /view，再发 /download，检查有一个 PDF 回来。

一次运行是怎么走的

1. Telegram Trigger 接收每条消息和每次按钮点击。它会下载随消息而来的任何文件。
2. Supabase Fetch by ID 和 Supabase Fetch by Username 查这个人的档案行。Check Migration Needed 给只按用户名找到的行补上这个人的数字 ID。
3. Assess Master Profile 检查档案是否有姓名、联系方式、简介、技能、教育、工作经历和项目。在这之前，大多数命令只会回答缺了什么。
4. Command Router 把消息送上十六条分支之一。它们包括问候、/start 和 /info、不完整的档案、机器人读不了的媒体（照片、贴纸或语音消息）、/view、/clear、PDF 上传、聊天、/download、/downloadoptimized、/optimize、/viewoptimized、/coverletter 和 /analyze。另外两条分支在 /optimize 或 /analyze 没带职位描述时发出警告。
5. PDF 上传经过 Extract PDF Text 和 AI Agent。智能体填写档案，Parse JSON、Safe Profile Merge 和 Row Exists? 用 Supabase Update 或 Supabase Create 保存它。不是可读 PDF 的文件会得到一条错误消息。
6. 自由文字交给 Intent Classifier，Parse Intent 还会检查消息的开头几个词。提问交给 Query Agent，它只依据保存的档案回答。其他的交给 AI Agent，它更新档案，Window Buffer Memory 保留那个聊天最近几轮。
7. /optimize 后面跟职位描述，交给 AI JD Agent。它写出档案的一份量身定制版，Supabase Save Tailored 把它存下来。主档案保持原样。
8. /analyze 后面跟职位描述，交给 ATS Gap Agent，它列出档案缺少的关键词。回复会被拆开，以适应 Telegram 的消息长度限制。
9. /download 和 /downloadoptimized 运行 Generate LaTeX，它填一份简历模板，Write LaTeX File 把它发到你的服务器。服务器用 pdflatex 编译两次。成功时 Read PDF Base64 返回 PDF，Send PDF (Telegram) 和 Send LaTeX Source (Telegram) 把两个文件送出去。
10. 编译失败时，AI Fix LaTeX Agent 重写源文件，Write LaTeX File (Retry) 再试一次，如果还是失败，Send Compile Error Msg 通知这个人。
11. /coverletter 用 AI Cover Letter Agent，它依据量身定制的档案和它的职位描述写信，然后 Compile Cover Letter 用同样的办法生成 PDF。
12. /clear 运行 Supabase Clear Profile，立刻删掉那一行。

想改样子，改这里

• 简历的版式：Generate LaTeX 里的模板。
• 求职信的版式：Generate LaTeX Cover Letter 里的模板。
• 求职信的语气：AI Cover Letter Agent 的系统消息。
• 什么算完整的档案：Assess Master Profile 里的检查。
• 欢迎文字和命令列表：Telegram Info Reply。
• 模型：七个聊天模型节点和它们的七个备用模型。

要知道的

• 简历是个人数据。每一份都存在你的 Supabase 表里，它的文字会发给 Ollama 和 Cerebras。告诉你的用户，有人要求时删掉行。
• /clear 没有确认这一步。按一下就会删掉档案。
• SSH 节点在你的服务器上运行 shell 命令。LaTeX 文字是以 base64 传的，所以模型写的东西不会被当作命令运行。请用一台什么别的都没有的服务器和用户账号。
• 文件写在 /tmp 里，名字带运行编号，成功运行后会被删掉。失败的运行可能留下一些文件。
• Telegram 消息用 HTML 格式，工作流在发送前会转义模型的文字。
• 每个 AI 节点最多重试 3 次，然后改用它的 Cerebras 模型。
• Mindket 没有运行这个工作流、Ollama 和 Cerebras 的调用或 SSH 这一步。它读的是 n8n 的源码和各家厂商的页面，所以请手动测试每个命令一次。
• 这个 JSON 里没有任何凭据。