Steg 2: Anslut Google Sheets och Drive

Hämta filreferensen till jobbannonsen från Google Sheets och ladda sedan ned JD från Google Drive.

1. Öppna Retrieve Role JD och välj dokument-ID [YOUR_ID] samt blad Sheet1.
2. I Retrieve Role JD, ställ in Filters så att den valda jobbrollen matchas med Lookup Column Job Role och Lookup Value ={{ $('Candidate Intake Form').item.json['Job Role'] }}.
3. Inloggningsuppgifter krävs: Anslut era googleSheetsOAuth2Api-uppgifter i Retrieve Role JD.
4. Öppna Fetch JD File och ställ in Operation på download.
5. Ställ in File ID i Fetch JD File till ={{ $json['Job Description'] }}.
6. Inloggningsuppgifter krävs: Anslut era googleDriveOAuth2Api-uppgifter i Fetch JD File.

Steg 3: Konfigurera extrahering av kandidatprofil

Extrahera text från CV:t i PDF-format och tolka den till strukturerad kandidatdata för vidare bearbetning.

1. I Resume Text Extractor, ställ in Operation på pdf och Binary Property Name på CV.
2. Öppna Candidate Profile Agent och ställ in Text till =Please extract all relevant information from this candiadte: CV Content: === {{ $json["text"] }} ===.
3. Säkerställ att Candidate Profile Agent har Has Output Parser aktiverat och är kopplad till Structured JSON Parser.
4. Bekräfta att Structured JSON Parser innehåller hela JSON-schemaexemplet för CV-tolkning.
5. Öppna OpenAI Chat Model A och välj modellen gpt-4.1-mini.
6. Inloggningsuppgifter krävs: Anslut era openAiApi-uppgifter i OpenAI Chat Model A.

Obs: Structured JSON Parser är en AI-undernod; lägg till inloggningsuppgifter i OpenAI Chat Model A (den överordnade språkmodellen), inte i själva parsern.

Steg 4: Kombinera indata och förbered intervjukontext

Tolka JD-PDF:en, slå ihop den med kandidatdata och bygg en payload för intervjuförberedelseagenten.

1. I Parse JD PDF, ställ in Operation på pdf för att extrahera text från den nedladdade filen.
2. Koppla Candidate Profile Agent och Parse JD PDF till Combine Inputs.
3. Öppna Compose Payload och klistra in den tillhandahållna JavaScript-koden för att skapa candidate_profile, job_description, applied_position och interview_round.
4. Verifiera att Compose Payload refererar till intagsfälten med $('Candidate Intake Form').first().json['Job Role'] och $('Candidate Intake Form').first().json['Interview Round'].
5. I Interview Round Details, bekräfta rundbeskrivningarna för Initial Screening, Technical/Functional Interview, Managerial/Team Fit Interview och Final Interview (Executive/Leadership Round).

Steg 5: Konfigurera AI-kedjan för intervjuförberedelser

Generera det strukturerade intervjuförberedelseinnehållet med hjälp av LLM-kedjan och schemaparsern.

1. Öppna Interview Prep Agent och ställ in Text till =Generate interview prep document based on the following: - Applied Position: {{ $('Compose Payload').item.json.applied_position }} - Job Description: {{ $('Compose Payload').item.json.job_description }} - Candidate Profile: {{ $('Compose Payload').item.json.candidate_profile.toJsonString() }} - Interview Round: {{ $('Compose Payload').item.json.interview_round }} - Interview Round Description: {{ $json[$('Compose Payload').item.json.interview_round] }}.
2. Säkerställ att den långa systemprompten finns i Interview Prep Agent under Messages.
3. Koppla OpenAI Chat Model B till Interview Prep Agent som språkmodell.
4. Inloggningsuppgifter krävs: Anslut era openAiApi-uppgifter i OpenAI Chat Model B.
5. Bifoga Output Schema Parser till Interview Prep Agent och bekräfta att dess JSON-schemaexempel finns med.

Obs: Output Schema Parser är en AI-undernod; lägg till inloggningsuppgifter i OpenAI Chat Model B (den överordnade språkmodellen), inte i själva parsern.

Steg 6: Konfigurera rapportrendering och e-postutskick

Rendera HTML-rapporten och skicka den via e-post till mottagaren.

1. I Render Prep Report, behåll Mode inställt på runOnceForEachItem och använd den tillhandahållna HTML-mallen i JavaScript Code.
2. I Email Prep Summary, ställ in HTML till ={{ $json.html }}.
3. Ställ in Subject i Email Prep Summary till =Interview Preparation Guide for [{{ $('Interview Prep Agent').item.json.output.candidate_summary.name }}] – [{{ $('Interview Prep Agent').item.json.output.candidate_summary.position_applied }}].
4. Ställ in To Email och From Email till [YOUR_EMAIL].
5. Inloggningsuppgifter krävs: Anslut era smtp-uppgifter i Email Prep Summary.

Steg 7: Testa och aktivera ert arbetsflöde

Kör ett fullständigt test för att verifiera att arbetsflödet genererar och levererar intervjuförberedelserapporten.

1. Klicka på Test workflow och skicka in Candidate Intake Form med ett CV i PDF-format, jobbroll och intervjurunda.
2. Bekräfta att Resume Text Extractor matar ut text och att Parse JD PDF returnerar JD-innehållet.
3. Verifiera att Interview Prep Agent returnerar en strukturerad JSON-utdata och att Render Prep Report bygger HTML:en.
4. Kontrollera er inkorg efter e-postmeddelandet från Email Prep Summary som innehåller intervjuförberedelserapporten.
5. När allt fungerar, växla arbetsflödet till Active för användning i produktion.