funk1090/resume-screener-n8n

它不是一个普通链接，而是一个可拆解的工作样本

适合解决“招聘材料分散、HR 手工整理简历耗时、招聘经理缺少每日摘要”的问题。必须强调只能用于资料整理和人工复核辅助，不能直接淘汰候选人。

本地完整包已通过基础压缩包检查；有说明文件（README），便于学员理解；包含可导入或可拆解的工作流 JSON 文件；适合做节点连接和凭据替换练习；原清单识别到许可协议信息。

它具体能做什么

• 自动下载或读取 PDF/DOCX 简历，并抽取文本内容
• 调用大模型节点抽取候选人信息、生成摘要、评分或结构化 JSON
• 自动发送邮件/消息/Slack 提醒，减少招聘或入职流程中的人工通知
• 用 Webhook、定时触发或表单提交启动自动化流程
• 包含向量检索/RAG 节点，适合学习语义匹配而不是只做关键词筛选

可以重点拆解哪一层结构

基本原理是：通过 n8n 或 JSON 工作流接收简历、表单、邮箱或 ATS 数据，调用大模型或规则节点抽取信息，再写入表格、发送邮件或生成招聘经理摘要。

• Best Fit → match_percentage > 80
• Average Fit → match_percentage 60–80
• Not Fit → match_percentage < 60
• n8n self-hosted (Docker recommended)
• Ollama installed locally

建议谁用，谁先不要用

建议按这个顺序学习

• 先找到工作流 JSON 或 main.json
• 导入前先浏览节点链条：Extract Job Description、Code: Split Resumes、AI Agent、Ollama Chat Model、Upload Docs (pdf)、Extract JD.text、Extract Resumes、Extract Resumes.text
• 删除或替换所有凭据、Webhook、邮箱、API key 和外部系统连接
• 在 n8n/测试平台中用模拟表单、测试邮箱或假简历跑一遍

依赖提示：可能需要按说明文件（README）安装依赖、配置 API key 或在测试平台导入。

从哪些文件开始看

• 技术栈信号：按说明文件判断
• 工作流节点：Extract Job Description；Code: Split Resumes；AI Agent；Ollama Chat Model；Upload Docs (pdf)；Extract JD.text；Extract Resumes；Extract Resumes.text；Combine JD + Resumes；Clean and Parse；Normalize Column Names；Convert File to CSV
• 节点类型：extractFromFile；code；agent；lmChatOllama；formTrigger；set；merge；convertToFile；gmail
• SHA256：d05a67e322b9ecee563abf905b6f5e4686b584ac8e6a71a79e88e3dd47893360

下载前需要先知道什么

涉及招聘/候选人/简历/面试，页面必须写明：只用于学习结构和辅助整理，不能用于自动通过、淘汰、排序或性格判断。

GitHub 下载链接：https://github.com/funk1090/resume-screener-n8n/archive/refs/heads/main.zip

GitHub 项目页：https://github.com/funk1090/resume-screener-n8n