Kshitij6263/AI-Powered-Resume-Screening-Workflow-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。

它具体能做什么

• 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
• 把结果写入 Google Sheets/表格或仪表盘，方便 HR 后续人工查看
• 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。

• High-Volume Processing – Handles 500+ resumes/day with automated ingestion via Webhooks.
• Semantic Search & Matching – Cohere embeddings + Weaviate vector database for 95% accurate matching.
• Context-Aware Evaluation – Maintains 100% conversation context using LangChain memory buffers.
• Automated Reporting – Logs screening results directly into Google Sheets.
• Proactive Monitoring – Slack alerts for instant error reporting and reduced downtime.

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：Sticky Note、Webhook Trigger、Text Splitter、Embeddings、Weaviate Insert、Weaviate Query、Vector Tool、Window Memory
• 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：Sticky Note；Webhook Trigger；Text Splitter；Embeddings；Weaviate Insert；Weaviate Query；Vector Tool；Window Memory；Chat Model；RAG Agent；Append Sheet；Slack Alert
• 节点类型：stickyNote；webhook；textSplitterCharacterTextSplitter；embeddingsCohere；vectorStoreWeaviate；toolVectorStore；memoryBufferWindow；lmChatOpenAi；agent；googleSheets
• SHA256：bc00dc98d98e36490cc49ccda7d0808bc751e7a461bd0e25a85dc04f39499d40

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/Kshitij6263/AI-Powered-Resume-Screening-Workflow-n8n-/archive/refs/heads/main.zip

GitHub 项目页：https://github.com/Kshitij6263/AI-Powered-Resume-Screening-Workflow-n8n-