ar-sayeem/n8n-ai-hr-agent

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“HR 想学习简历自动化流程从入口、AI 评分、分流到表格记录怎么串起来”的问题。它不能直接用于真实淘汰，只能做流程和风控讨论。

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

• 通过申请表收集候选人信息和 PDF 简历
• 调用 Groq/Llama 3.3 对 CV 按岗位要求打 0-100 分
• 分数超过阈值时生成 5 个岗位相关面试问题，并写入合格候选人 Google Sheet
• 分数低于阈值时写入 rejected sheet，适合讲阈值分流和人工复核风险

可以重点拆解哪一层结构

基本原理是：表单提交触发 n8n，读取 PDF CV，调用 Groq/Llama 给 CV 按岗位打 0-100 分；分数高于阈值时生成 5 个面试问题并写入合格候选人表，低于阈值则写入拒绝表。

• A free n8n Cloud account or self-hosted n8n
• A Google account for Google Sheets
• 工作流节点：Job Application Form、Extract CV Text、Score CV、Groq Model、Parse Score、Score > 80?、Generate Interview Questions、Groq Model Questions

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：Job Application Form、Extract CV Text、Score CV、Groq Model、Parse Score、Score > 80?、Generate Interview Questions、Groq Model Questions
• 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：Job Application Form；Extract CV Text；Score CV；Groq Model；Parse Score；Score > 80?；Generate Interview Questions；Groq Model Questions；Qualified Candidates；Rejected Candidates
• 节点类型：formTrigger；extractFromFile；agent；lmChatGroq；code；if；googleSheets
• SHA256：bc9b9bb36f797e4769a92525ba3e98b54366fe50e3cec6e1fedc06fcf76ec4d6

下载前需要先知道什么

涉及自动化导入，页面必须写明：先在测试环境替换凭据和外部连接。

GitHub 下载链接：https://github.com/ar-sayeem/n8n-ai-hr-agent/archive/refs/heads/main.zip

GitHub 项目页：https://github.com/ar-sayeem/n8n-ai-hr-agent