Mindket

求职者 CV 由 AI 打分并记入 Google Sheets

新上架第 1 版 · 更新于

概览

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。

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
  • Google Sheets:候选名单就在你的表格里,每个申请人一行
  • 招聘页面:链接到表单的正式地址,或在 Google Sheets 后面加一个节点,通知负责招聘的人

平台

连接 3 个应用

运行方式

触发

CV 表单

有人提交 Send CV 表单时开始运行,表单里有:

  • 申请人的姓名
  • 申请人的邮箱地址
  • 申请人的 CV,PDF 文件

动作

  1. PDF 被存进你 Google Drive 里的一个文件夹
  2. 从 PDF 里读出文字
  3. OpenAI 提取电话、城市和出生日期,再提取学历、工作经历和技能
  4. 把这些答案合在一起,概括成 100 词以内的摘要
  5. 设好你想招的人选画像,OpenAI 按它打 1 到 10 分,并写出理由
  6. 把详情、摘要、分数和理由作为新的一行加进你的 Google Sheet

结果

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

集成

开始之前要准备好这些。

OpenAI

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

Google Drive

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

Google Sheets

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

工作流检查

由 Mindket 于 2026年11月13日检查

步骤
10 个步骤,由表单启动
AI
4 个步骤调用 AI 模型:Personal Data、Summarization Chain、HR Expert、Qualifications
登录
需要登录:Google Drive、Google Sheets、OpenAI
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 9 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。

适合谁

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。

谁在用,怎么用
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。

用在哪里

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。

  • 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
  • Google Sheets:候选名单就在你的表格里,每个申请人一行
  • 招聘页面:链接到表单的正式地址,或在 Google Sheets 后面加一个节点,通知负责招聘的人

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。导入文件之前,先建好表格和文件夹。

先准备好这些
需要说明
n8nn8n 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
Google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
  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 OpenAI 凭据,在 OpenAI 里选中它。这一个节点供四个 AI 步骤共用。
  3. 添加 Google Drive OAuth2 凭据,在 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。
  4. 添加 Google Sheets OAuth2 凭据,在 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。
  5. 确认表格第一行有表里的十二个列标题。少一个,节点就会停下。
  6. 打开 Profile Wanted,写上你要招的人选画像。
  7. 保存,打开表单的测试地址,用你自己的一份 PDF 格式 CV 提交一次。
  8. 检查新增的那一行,然后点 Publish,把表单的正式地址分享出去。

如何使用

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。

想要不同的效果,改这里
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

示例

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。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。

值得细看的地方
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 ChainSummarization 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

注意事项

分数只是模型的看法,每次运行都会把一份 CV 发给 OpenAI。

  • 只是参考:分数和 CV 都应该由人来读。排版糟糕的 PDF 可能在模型看到之前就丢了细节,扫描件没有文字层,模型就无从读起
  • 个人信息:每份 CV 的文字都会发给 OpenAI,电话和出生日期会写进你的表格。要告诉申请人他们的数据会怎么处理,并核对你所在地的招聘和数据保护规定
  • 文件: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
  • 模型:OpenAI 的弃用页面(2026 年 11 月 12 日查看)给出 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
  • 计费:每份 CV,OpenAI 至少计四次模型调用,Personal Data、Qualifications、Summarization Chain 和 HR Expert 各一次
  • 公开表单:工作流发布后,任何拿到表单地址的人都能提交 CV,花掉你的 OpenAI 密钥
  • 一处修复:原始副本从 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
  • 凭据:这个 JSON 里没有任何凭据

README 和文件

README

求职者 CV 由 AI 打分并记入 Google Sheets

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。

里面有什么

  • 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。

我们对原始副本做了哪些改动

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。
  • 同一个节点去填一个叫 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。

开始之前

  • 一个 n8n 实例,n8n Cloud 或你自己的服务器都行。
  • 一个 OpenAI API 密钥。那个聊天模型节点用的是 gpt-4o-mini。
  • 一个能用 Drive 和 Sheets 的 Google 账号。
  • 一个放 CV 的 Drive 文件夹。
  • 一个 Google 表格,第一行有这十二个列标题,拼写要和这里一致: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。

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 OpenAI 凭据,在 OpenAI 里选中它。这一个节点供四个 AI 步骤共用。
  3. 添加 Google Drive OAuth2 凭据,在 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。
  4. 添加 Google Sheets OAuth2 凭据,在 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。
  5. 打开 Profile Wanted,把里面的文字换成你要招的人选画像。
  6. 保存,打开表单的测试地址,用你自己的一份 PDF 格式 CV 提交一次。
  7. 检查新增的那一行,然后点 Publish,把表单的正式地址分享出去。

一次运行是怎么走的

  1. On form submission 是表单,标题是 Send CV。它收 Name、Email 和 CV,CV 必须是 .pdf。
  2. 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。
  3. Extract from File 从 PDF 里读出文字。
  4. 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。
  5. Merge 把两个答案合成一条数据。
  6. Summarization Chain 写一份不超过 100 词、口语化的摘要。
  7. 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。
  8. HR Expert 把摘要和这份画像对照。Structured Output Parser 让它用 vote 和 consideration 作答。
  9. 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。

想改样子,改这里

  • 人选画像:Profile Wanted 里的文字。
  • 打分规则: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。
  • 提取什么:Qualifications 的属性和 Personal Data 的 schema。
  • 摘要:Summarization Chain 里的提示词。
  • 列:Google Sheets 节点和表格的第一行,两者必须保持一致。
  • 模型:OpenAI。

要知道的

  • 分数应该由人来读。它是模型对一份 PDF 摘要的看法,排版糟糕的 CV 可能在模型看到之前就丢了细节。
  • 每次运行都会把 CV 的文字发给 OpenAI,并把申请人的电话和出生日期写进你的表格。要告诉申请人他们的数据会怎么处理,并核对你所在地的招聘和数据保护规定。
  • 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。
  • 表单只收 PDF,没有文字层的扫描 PDF 会让模型无从读起。
  • OpenAI 的弃用页面(2026 年 11 月 12 日查看)给出 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。
  • 计费:每份 CV,OpenAI 至少计四次模型调用,Personal Data、Qualifications、Summarization Chain 和 HR Expert 各一次。
  • 工作流发布后,任何拿到表单地址的人都能提交 CV,花掉你的 OpenAI 密钥。
  • 这个 JSON 里没有任何凭据。Profile Wanted 里的文字是原始副本自己招聘用的示例。
文件
NOTICE.md  639 B
README.md  5 KB
workflow.json  18 KB

3 个文件,共 24 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

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。

新上架

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。

新上架

MusicGen Small

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。

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