Bonsai-27B-GGUF
lmstudio-community · 工具包
面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。
一个带 CV 表单的 n8n 工作流:申请人提交姓名、邮箱和一份 PDF。OpenAI 提取要点、写出摘要,并对照你的人选画像打 1 到 10 分,每个申请人在 Google Sheet 里新增一行。
求职者 CV 由 AI 打分并记入 Google Sheets 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。
CV 表单
有人提交 Send CV 表单时开始运行,表单里有:
你的表格里每个申请人一行,有联系方式、履历要点、摘要、分数和打分理由
开始之前要准备好这些。
语言模型
每份 CV 运行 gpt-4o-mini 四次:提取个人信息、提取履历、写摘要,以及对照画像打分。
需要OpenAI API 密钥
CV 存放
把每份 PDF 存进一个文件夹,文件名带日期和原文件名。
需要一个 Google 账号,用于 Google Drive OAuth2 凭据,再加一个文件夹
申请人记录
每个申请人新增一行,按列标题填写。
需要一个 Google 账号,用于 Google Sheets OAuth2 凭据,再加一个有十二个列标题的表格
由 Mindket 于 2026年11月13日检查
这个 n8n 工作流根据求职者的 CV 给他们打分。有人提交表单,填姓名、邮箱,并附上一份 PDF。OpenAI 模型读出文字,提取电话、城市和出生日期,再提取学历、工作经历和技能。一份 100 词以内的摘要会和你写好的人选画像对照,模型给出 1 到 10 的分数和理由。每个申请人在 Google Sheet 里新增一行,PDF 则顺手存进 Drive 的一个文件夹。整个流程由十二个节点完成,旁边还有六张便签。
通过招聘页面收 CV、并把候选名单放在 Google Sheet 里的小公司、代理机构和招聘人员。它先给你一份排好序的初筛视图。如果不希望有人在读 CV 之前先看到分数,或者你招聘的地方限制自动化筛选,就别选它。文件里的画像找的是网页开发人员。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 网页和软件代理机构 | 老板和办公室经理 | 把表单放在招聘页上,每个申请人对应一行 | 一家招全栈开发的代理机构,按 VOTE 给二十个申请人排序。 |
| 人才招聘 | 代理机构的招聘专员 | 每个开放职位用一份工作流,各有自己的 Profile Wanted 文本 | 一位招聘专员为客户开放的每个职位各跑一份。 |
| 小企业 | 创始人 | 没有 HR 团队,也能招到第一位客服或运营 | 一位创始人每天早上打开表格,读每个分数旁边的理由。 |
| 自由职业和项目招聘 | 团队负责人 | 从一叠 CV 里很快拿到技能清单 | 一位负责人扫一眼 SKILLS 列,看谁会项目要用的工具。 |
你需要会一点 n8n:导入文件、添加三个凭据,再建一个列标题和文件一致的表格。文件里没有写设置要多久。
任何能访问 OpenAI 和 Google 的 n8n 都能运行它。先想好 CV 和表格放在哪里,因为两者都含个人信息。
Google Sheets 后面加一个节点,通知负责招聘的人点“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。导入文件之前,先建好表格和文件夹。
| 需要 | 说明 |
|---|---|
| n8n | n8n Cloud 或你自己的服务器 |
| OpenAI | 一个 API 密钥,那个聊天模型节点用的是 gpt-4o-mini |
| 一个账号,用于 Google Drive OAuth2 凭据和 Google Sheets OAuth2 凭据 | |
| 一个 Drive 文件夹 | 存放 CV 的地方 |
| 一个表格 | 第一行是 DATA、NAME、PHONE、CITY、EMAIL、DATA NASCITA、EDUCATIONAL、JOB HISTORY、SKILLS、SUMMARIZE、VOTE 和 CONSIDERATION,拼写要和这里一致 |
workflow.json。OpenAI 里选中它。这一个节点供四个 AI 步骤共用。Upload CV 里选中它。把 YOUR_FOLDER_ID 换成你文件夹的 ID,也就是它地址里 /folders/ 后面的部分。Google Sheets 里选中它。把 YOUR_SHEET_ID 换成表格的 ID,也就是它地址里 /d/ 和 /edit 之间的部分。Profile Wanted,写上你要招的人选画像。把表单的地址发给申请人。每个人填姓名和邮箱,再附上一份 PDF。表单马上确认,运行在后台继续。在表格里看那一行。在 Executions 里打开这次运行,可以看到每一步返回了什么。
| 要改的 | 在哪里改 |
|---|---|
| 人选画像 | Profile Wanted 里的文本 |
| 打分规则 | HR Expert 里的消息,它要求给出 1 到 10 的分数和理由,写的是意大利语 |
| 提取什么 | Qualifications 的属性和 Personal Data 的 schema |
| 摘要 | Summarization Chain 里的提示词,它要求 100 词以内 |
| 模型 | OpenAI,四个步骤共用 |
一家网页代理机构保留文件里自带的画像:会 PHP、Python 和 JavaScript、住在意大利北部的全栈开发人员。一位申请人提交了一份 PDF,里面列着这三种语言,以及在米兰另一家代理机构的两年工作经历。
表格里多出一行。里面有今天的日期、表单里的姓名和邮箱,以及 CV 里的电话、城市和出生日期。接着是几项履历内容,然后是摘要、分数和打分理由。提示词是意大利语,所以理由大概率是意大利语,直到你把它翻译掉。
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。表单连出两条分支,一条存 PDF,一条读 PDF。两个 AI 步骤从文字里提取信息,Merge 把它们合在一起,再由两个步骤写摘要和打分。先用你自己的 CV 测一次,再在这次运行里打开 HR Expert,看它是怎么说理由的。
专家:一个聊天模型节点供四条链共用,分数以结构化 JSON 的形式返回。
| 节点 | 做什么 | 要知道的 |
|---|---|---|
Qualifications 和 Personal Data | 两个 Information Extractor 节点读同一份 PDF 文本 | 两者都把答案放在 output 下,所以 Merge 把它们折成一个 output 对象 |
Summarization Chain | Summarization 2,自带提示词,提示词里带着合并后的字段 | 文本落在 response.text,HR Expert 和表格都读它 |
HR Expert | 一条基础 LLM 链,接一个 Structured Output Parser | 它的答案是字符串 vote 和 consideration |
Google Sheets | 按下面定义的列追加 | 4.5 版会把表格的列标题和节点的列清单对照,少一个就停下 |
分数只是模型的看法,每次运行都会把一份 CV 发给 OpenAI。
Upload CV 是单独的一条分支,所以表格里没有指向已存 PDF 的链接gpt-4o-mini 的停用日期是 2027 年 1 月 14 日,并指定 gpt-6-luna 作为替代。在那之前把 OpenAI 换成替代模型Personal Data、Qualifications、Summarization Chain 和 HR Expert 各一次Nome 读姓名,又去填一个叫 TELEFONO 的列,结果有两列是空的。Mindket 的副本把两处都修好了一个带 CV 表单的 n8n 工作流。申请人提交姓名、邮箱和一份 PDF。工作流把 PDF 存进 Google Drive,让 OpenAI 模型提取联系方式和履历,写出摘要,再对照你写好的人选画像打 1 到 10 分。每个申请人在 Google Sheet 里新增一行。
workflow.json:n8n 导出的工作流,12 个节点,另有 6 张便签。里面没有任何凭据。README.md:这份说明。Mindket 起步用的那份副本有两处小失误,各让一列留空。Mindket 把两处都修好了:
Google Sheets 从 Nome 读申请人的姓名,但表单的字段叫 Name,所以 NAME 列一直是空的。现在它读 Name。TELEFONO 的列,而文件里表格的列清单把它叫 PHONE。一行是按列标题写入的,所以电话号码从来没有写进去。现在这个值写进 PHONE。那份表格的地址和 Drive 文件夹的地址属于原始副本自己的账号。它们现在是 YOUR_SHEET_ID 和 YOUR_FOLDER_ID,那份表格缓存的名字也去掉了。
gpt-4o-mini。DATA、NAME、PHONE、CITY、EMAIL、DATA NASCITA、EDUCATIONAL、JOB HISTORY、SKILLS、SUMMARIZE、VOTE 和 CONSIDERATION。少一个,节点就会报“Column names were updated after the node's setup”并停下。多出来的列没关系。workflow.json。OpenAI 里选中它。这一个节点供四个 AI 步骤共用。Upload CV 里选中它。把 YOUR_FOLDER_ID 换成你文件夹的 ID,也就是它地址里 /folders/ 后面的部分。Google Sheets 里选中它。把 YOUR_SHEET_ID 换成表格的 ID,也就是它地址里 /d/ 和 /edit 之间的部分。节点写入表格的第一个标签页。Profile Wanted,把里面的文字换成你要招的人选画像。On form submission 是表单,标题是 Send CV。它收 Name、Email 和 CV,CV 必须是 .pdf。Upload CV 把 PDF 存进你的 Drive 文件夹,文件名是 CV- 加日期再加原文件名。Extract from File 从 PDF 里读出文字。Personal Data 让模型提取电话、城市和出生日期。Qualifications 提取学历和工作经历,各不超过 100 词,再把技能列成带项目符号的清单。Merge 把两个答案合成一条数据。Summarization Chain 写一份不超过 100 词、口语化的摘要。Profile Wanted 存放人选画像。文件里自带的是一家网页代理机构,在找意大利北部的全栈开发人员。HR Expert 把摘要和这份画像对照。Structured Output Parser 让它用 vote 和 consideration 作答。Google Sheets 追加一行:日期、姓名、电话、城市、邮箱、出生日期、学历、工作经历、技能、摘要、分数和理由。Profile Wanted 里的文字。HR Expert 里的消息。它要求给出分数,最高分是理想人选,并把理由写进 consideration。它是用意大利语写的,Profilo ricercato 和 Candidato 这两个标签也是。想要别的语言的理由,就把它翻译掉。Qualifications 的属性和 Personal Data 的 schema。Summarization Chain 里的提示词。Google Sheets 节点和表格的第一行,两者必须保持一致。OpenAI。Upload CV 是单独的一条分支。后面没有节点读取已存的文件,所以表格里没有指向它的链接。gpt-4o-mini 的停用日期是 2027 年 1 月 14 日,并指定 gpt-6-luna 作为替代。在那之前把 OpenAI 换成替代模型。Personal Data、Qualifications、Summarization Chain 和 HR Expert 各一次。Profile Wanted 里的文字是原始副本自己招聘用的示例。NOTICE.md 639 B README.md 5 KB workflow.json 18 KB
lmstudio-community · 工具包
面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。
LibertAIDAI · 工具包
以每权重 2.9 位的 EXL3 量化运行 DeepSeek-V4.1-Flash-1017,这是一份 196 GiB 的副本,适合在自己硬件上部署大模型的人。困惑度与原模型相差不大。
facebook · 工具包
根据文字描述或音频提示生成短音乐片段,是 facebook MusicGen 的 small 检查点。适合想在自己电脑上试用文字生成音乐的开发者和音乐爱好者。
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。
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。
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。