Скрининг резюме с помощью n8n

Бизнес-задача

HR-отделы крупных компаний получают сотни резюме на каждую вакансию, что делает ручной первичный скрининг трудоёмким и субъективным процессом. Клиенту требовалась система, способная автоматически оценивать соответствие кандидатов требованиям вакансии с использованием семантического анализа.

Реализованное решение

На базе n8n была построена RAG-система (Retrieval-Augmented Generation), объединяющая векторное хранилище резюме, семантический поиск и AI-оценку в единый автоматизированный поток скрининга кандидатов.

Ключевые компоненты workflow

01

Webhook триггер

принимает новые резюме из ATS (Applicant Tracking System) или email.

02

Document Parser модуль

извлекает текст из PDF/DOCX резюме и структурирует данные кандидата.

03

Embedding генератор

создаёт векторные представления резюме для семантического поиска.

04

Vector Store интеграция

сохраняет эмбеддинги в Pinecone/Qdrant для быстрого поиска похожих кандидатов.

05

RAG Query модуль

выполняет семантический поиск по требованиям вакансии в базе резюме.

06

AI-агент оценки

анализирует соответствие кандидата и формирует скоринг по критериям.

07

Результат в ATS

обновляет статус кандидата и добавляет AI-рекомендации в систему рекрутинга.

Технические особенности

Вся логика реализована в n8n с использованием узлов Webhook, Extract from File, OpenAI Embeddings, Pinecone Vector Store и GPT-4 для финальной оценки. Кастомный код выполняет нормализацию текста и chunking документов. Критичным оказался дизайн RAG-пайплайна: резюме разбиваются на семантические блоки (опыт, навыки, образование) с перекрытием для сохранения контекста. Поиск выполняется по каждому критерию вакансии отдельно с последующей агрегацией результатов. Система обрабатывает до 100 резюме в час с точностью скрининга 92% относительно экспертной оценки. Среднее время обработки одного резюме — 15 секунд. ___ Технология: n8n workflow automation Время внедрения: 10 рабочих дней

Следующий шаг

Созвон 20 минут → уточняем интеграции, данные и KPI → даём план внедрения.

Открыть КП → Написать в Telegram ↗