تحلیل خودکار رزومه PDF برای ATS با n8n و OpenRouter GPT

تحلیل رزومه PDF برای تناسب با ATS با استفاده از OpenRouter GPT از طریق Webhook

این گردش کار نحوه تجزیه و تحلیل فایل‌های PDF رزومه را برای ارزیابی سازگاری آن‌ها با سیستم‌های ردیابی متقاضی (ATS) با استفاده از یک مدل هوش مصنوعی که توسط OpenRouter و GPT پشتیبانی می‌شود و از طریق یک webhook فعال می‌شود، نشان می‌دهد.

دسته‌بندی‌ها: منابع انسانی، خلاصه‌سازی هوش مصنوعی

گره‌های n8n استفاده شده:

• Webhook
• Extract from File
• Sticky Note
• OpenRouter LM Chat
• Code
• Respond to Webhook

نمای کلی گردش کار

این گردش کار برای دریافت یک فایل PDF رزومه از طریق یک webhook، استخراج محتوای متنی آن، و سپس استفاده از یک مدل هوش مصنوعی (از طریق OpenRouter) برای تجزیه و تحلیل متن از نظر سازگاری با ATS طراحی شده است. نتایج تجزیه و تحلیل سپس به عنوان پاسخ webhook برگردانده می‌شوند.

پیش‌نیازها

• یک حساب OpenRouter با کلید API.
• یک نمونه n8n که از طریق یک URL عمومی قابل دسترسی باشد (برای عملکرد webhook).

مراحل گردش کار

1. محرک Webhook:

* نوع گره: Webhook

* هدف: این گره به درخواست‌های HTTP ورودی گوش می‌دهد. هنگامی که یک فایل PDF رزومه به این URL webhook ارسال می‌شود، گردش کار فعال می‌شود.

* پیکربندی: webhook را برای پذیرش درخواست‌های POST و انتظار برای آپلود فایل تنظیم کنید.

2. استخراج متن از PDF:

* نوع گره: Extract from File

* هدف: این گره فایل PDF آپلود شده از محرک webhook را دریافت کرده و محتوای متنی آن را استخراج می‌کند.

* پیکربندی: گره را برای پردازش داده‌های فایل دریافتی از webhook پیکربندی کنید.

3. تجزیه و تحلیل رزومه برای تناسب با ATS (OpenRouter):

* نوع گره: @n8n/n8n-nodes-langchain.lmChatOpenRouter

* هدف: این گره متن رزومه استخراج شده را از طریق OpenRouter برای تجزیه و تحلیل به یک مدل هوش مصنوعی ارسال می‌کند. این مدل را برای ارزیابی سازگاری رزومه با ATS راهنمایی می‌کند.

* پیکربندی:

* API Key: کلید API OpenRouter خود را وارد کنید.

* Model: یک مدل GPT مناسب را انتخاب کنید (مانند gpt-3.5-turbo, gpt-4).

* Prompt: یک prompt ایجاد کنید که هوش مصنوعی را برای تجزیه و تحلیل متن رزومه از نظر تناسب با ATS راهنمایی کند. به عنوان مثال:

```

شما یک دستیار منابع انسانی متخصص در سیستم‌های ردیابی متقاضی (ATS) هستید. متن رزومه زیر را تجزیه و تحلیل کرده و امتیازی یا بازخورد دقیقی در مورد اینکه چقدر احتمال دارد توسط یک ATS معمولی تجزیه و رتبه‌بندی شود، ارائه دهید. تراکم کلمات کلیدی، قالب‌بندی و چالش‌های رایج تجزیه ATS را در نظر بگیرید.

متن رزومه:

{{ $json.extract.text }}

```

(فیلد خروجی واقعی از گره "Extract from File" خود را که حاوی متن استخراج شده است، با {{ $json.extract.text }} جایگزین کنید.)

4. قالب‌بندی نتایج تجزیه و تحلیل (گره Code):

* نوع گره: Code

* هدف: این گره می‌تواند برای پردازش یا قالب‌بندی بیشتر پاسخ هوش مصنوعی در صورت نیاز، برای آماده‌سازی آن برای پاسخ webhook استفاده شود.

* پیکربندی: کد جاوا اسکریپت برای دستکاری خروجی هوش مصنوعی بنویسید. به عنوان مثال، ممکن است یک امتیاز یا خلاصه خاص را استخراج کنید.

5. پاسخ به Webhook:

* نوع گره: Respond to Webhook

* هدف: این گره نتایج تجزیه و تحلیل را به کلاینتی که درخواست webhook را آغاز کرده است، برمی‌گرداند.

* پیکربندی: گره را برای بازگرداندن اطلاعات تجزیه و تحلیل شده تناسب با ATS، احتمالاً به صورت JSON، پیکربندی کنید.

6. یادداشت چسبان (اختیاری):

* نوع گره: Sticky Note

* هدف: از یادداشت‌های چسبان برای افزودن نظرات، توضیحات یا یادآوری‌ها در گردش کار خود برای درک و نگهداری بهتر استفاده کنید.

نحوه استفاده

1. استقرار گردش کار: این گردش کار را در نمونه n8n خود ذخیره و فعال کنید.

2. دریافت URL Webhook: پس از فعال‌سازی، n8n یک URL منحصر به فرد برای گره محرک webhook ارائه می‌دهد.

3. ارسال رزومه: از ابزاری مانند curl، Postman یا یک برنامه سفارشی برای ارسال درخواست POST به URL webhook استفاده کنید. فایل PDF رزومه را در بدنه درخواست به عنوان یک آپلود فایل قرار دهید.

4. دریافت تجزیه و تحلیل: گردش کار PDF را پردازش کرده، آن را با استفاده از OpenRouter تجزیه و تحلیل می‌کند و پاسخ از گره "Respond to Webhook" حاوی تجزیه و تحلیل تناسب با ATS به کلاینت شما بازگردانده می‌شود.

این گردش کار راهی قدرتمند برای خودکارسازی غربالگری اولیه رزومه‌ها ارائه می‌دهد و اطمینان حاصل می‌کند که آن‌ها برای سازگاری با ATS بهینه شده‌اند. برای راه‌حل‌های اتوماسیون بیشتر، کاتالوگ Axeto.ai n8n را کاوش کنید: https://axeto.ai/n8n.