用n8n表单+OpenAI自动筛选自由职业者应聘

原文要点

来源是n8n.io上Incrementors发布的免费工作流模板（19626）。流程为：n8n表单收集应聘者联系方式、角色、经验、技能、作品集、自我推介和可选报价；OpenAI抽取匹配/缺失技能、经验年限、作品集评分、风险信号等结构化数据；确定性公式算适合度分数与档位；OpenAI再给出Shortlist/Trial Project/Decline建议；记录追加到Google Sheets的Applications标签页；入围则用Gmail发面试邀请，否则给团队发评审摘要并给候选人发状态通知。模板标题提到会议转录但正文是应聘筛选。

这次做成什么

把自由职业者应聘初筛做成自动化流水线：候选人填表单后，自动得到结构化评估、适合度分数、档位和入围/试用/婉拒建议，并分别通知候选人与招聘团队。本站不下载原模板，而是用n8n自建一个等价小流程，公式与提示词为本站设计的独立示例。

准备什么

• 一个n8n实例（云端或自托管）及创建工作流的权限
• OpenAI API密钥（会产生调用费用，模型名以模板内配置为准）
• Google账号，用于创建Google Sheets和Gmail OAuth2凭据
• 一份虚构的候选人提交数据用于测试，不要用真实应聘者隐私信息

具体怎么做

1. 建Google Sheets登记表

   新建一个Google表格，建一个名为Applications的标签页，第一行依次填列名：姓名、邮箱、应聘角色、经验年限、技能清单、作品集链接、推介语、报价、匹配技能、缺失技能、作品集分、风险信号、适合度分数、档位、建议、建议理由、下一步、置信度。记下表格ID备用。

2. 配置n8n表单触发器

   在n8n新建工作流，添加Form Trigger节点，字段依次设为：姓名（文本）、邮箱（邮箱）、应聘角色（文本）、经验年限（数字）、技能清单（多行文本）、作品集链接（链接）、推介语（多行文本）、报价（数字，可选）。激活后可得到公开表单URL。

3. 用OpenAI抽取结构化信号

   添加OpenAI聊天节点，绑定OpenAI凭据，把表单各字段拼进下文材料里的抽取提示词，要求模型只返回JSON（匹配技能、缺失技能、经验年限、作品集分0-10、风险信号数组、优势、备注）。后接Code节点解析JSON字符串为对象。

4. 计算适合度分数与档位

   在Code节点用确定性公式算分，例如本站示例：分数=技能匹配率×50+作品集分×3+min(经验年限,8)×1.5−风险信号数×8，四舍五入到整数；≥75为A档、50-74为B档、<50为C档。原模板的具体权重未在页面公开，导入原模板后需在其代码节点内核对实际公式。

5. 生成建议并写表发信

   第二个OpenAI节点接收分数、档位和抽取结果，按建议提示词输出建议（Shortlist/Trial Project/Decline）、理由、下一步、置信度。Google Sheets节点选Append模式把整行追加到Applications。IF节点按建议分支：Shortlist走Gmail节点向候选人邮箱发面试邀请；其他分支向团队邮箱发评审摘要并给候选人发状态更新邮件。

可直接复制的材料

你是招聘初筛助手。根据下面的应聘信息，评估其与目标岗位「{角色}」的匹配度。岗位必备技能为：{必备技能列表}。\n应聘信息：\n经验年限：{经验年限}\n自述技能：{技能清单}\n作品集链接：{作品集链接}\n推介语：{推介语}\n\n只输出一个JSON对象，不要输出其他文字，格式：\n{\"matched_skills\":[匹配到的必备技能],\"missing_skills\":[缺失的必备技能],\"years_experience\":数字,\"portfolio_score\":0到10的数字,\"red_flags\":[风险信号，如报价明显异常、推介语套话无具体内容，没有则为空数组],\"strengths\":[优势],\"notes\":\"一句话备注\"}

const d = $json;\nconst required = ["文案写作","SEO","数据分析"];\nconst matched = (d.matched_skills||[]).length;\nconst rate = required.length ? matched/required.length : 0;\nconst score = Math.round(rate*50 + (d.portfolio_score||0)*3 + Math.min(d.years_experience||0,8)*1.5 - (d.red_flags||[]).length*8);\nconst tier = score>=75 ? "A" : score>=50 ? "B" : "C";\nreturn [{ json: { ...d, suitability_score: score, tier: tier } }];

基于以下初筛结果给出招聘决定建议。适合度分数：{分数}，档位：{档位}，匹配技能：{匹配技能}，缺失技能：{缺失技能}，作品集分：{作品集分}，风险信号：{风险信号}。\n规则：A档且无风险信号倾向Shortlist；B档倾向Trial Project；C档或风险信号较多倾向Decline。\n只输出JSON：{\"recommendation\":\"Shortlist或Trial Project或Decline\",\"reasoning\":\"两条理由\",\"next_step\":\"一个具体下一步\",\"confidence\":\"high或medium或low\"}

输入与输出示例

本站虚构演示，提示词与公式为示例值，非原作者运行结果。

输入

表单提交：姓名=林岚（虚构），邮箱=test-linlan@example.com，角色=内容运营自由职业者，经验年限=4，技能清单=文案写作、SEO、社媒排版，作品集=https://portfolio.example.com/linlan，推介语=为三家电商客户做过内容增长，擅长数据复盘，报价=280元/小时。

对应输出

抽取JSON：{"matched_skills":["文案写作","SEO"],"missing_skills":["数据分析"],"years_experience":4,"portfolio_score":7,"red_flags":[],"strengths":["有电商客户案例","提到数据复盘"],"notes":"技能覆盖较好"}。打分：匹配率2/3×50≈33.3 + 7×3=21 + 4×1.5=6 − 0 = 60.3，取整60，B档。建议JSON：{"recommendation":"Trial Project","reasoning":"核心技能基本覆盖但缺数据分析，作品集分中上","next_step":"安排一篇付费试稿并观察数据复盘能力","confidence":"medium"}。Google Sheets新增一行，团队邮箱收到评审摘要，候选人收到试用项目通知邮件。

做完检查这些

• 提交测试表单后，OpenAI输出能被解析成含matched_skills等字段的JSON对象
• Code节点算出的分数与档位和公式手工验算结果一致
• Applications标签页新增一行且18列字段齐全、建议列非空
• Shortlist分支时候选人邮箱收到面试邀请，其他分支团队邮箱收到评审摘要

容易卡住的地方

• 模板页面标题提到会议转录，但正文与节点均为应聘筛选，别按标题找转录功能
• 原模板的打分权重和提示词未在页面公开，本站公式仅为示例，导入后需在模板代码节点核对
• 两次OpenAI调用都消耗API额度，批量投递时注意费用
• Gmail与Google Sheets需分别配置OAuth2，作用域不足会报权限错误
• 经验年限若候选人乱填文本而非数字，公式节点需要做容错转换