Steg 2: anslut BrightData och definiera indatafält

Konfigurera BrightData-verktyg och definiera CV:t och sökparametrarna som kommer att styra jobbsökningen.

1. Öppna Retrieve BrightData Tools och lägg till autentiseringsuppgifter. Credential Required: Anslut era mcpClientApi-uppgifter.
2. I Assign Input Fields ställer ni in följande tilldelningar: resume till I am a senior Python developer with 9+ years of experience., keywords till Python, location till Remote och job_search_base_url till https://www.linkedin.com/jobs/search/.
3. Koppla Assign Input Fields till BrightData Job Listing Fetch.
4. I BrightData Job Listing Fetch ställer ni in Tool Name till scrape_as_html, Operation till executeTool och Tool Parameters till ={ "url": "{{ $json.job_search_base_url }}?keywords={{ $json.keywords }}&location={{ $json.location }}" }. Credential Required: Anslut era mcpClientApi-uppgifter.

Steg 3: tolka jobblänkar och iterera listningar

Extrahera länkar till jobbannonser, dela upp dem i enskilda objekt och iterera igenom varje jobbsida.

1. Konfigurera Parse Job Links med Text satt till =Extract all the job links from the provided content. Here's the content: {{ $json.result.content[0].text }} och Input Schema satt till { "type": "array", "properties": { "link": { "type": "string" } } }.
2. Säkerställ att OpenAI Chat for Links är ansluten som språkmodell för Parse Job Links. Credential Required: Anslut era openAiApi-uppgifter på OpenAI Chat for Links.
3. I Expand Output Items ställer ni in Field To Split Out till output så att varje jobblänk blir ett eget objekt.
4. Bekräfta att Expand Output Items skickar utdata till Batch Item Iterator, som sedan routar varje objekt till BrightData Job Page Fetch.
5. I BrightData Job Page Fetch ställer ni in Tool Name till scrape_as_html, Operation till executeTool och Tool Parameters till ={ "url": "{{ $json.output }}" }. Credential Required: Anslut era mcpClientApi-uppgifter.

Steg 4: konfigurera AI-extraktion och matchning

Använd AI för att extrahera jobbbeskrivningar och utvärdera CV-matchning med strukturerad output.

1. I Extract Job Description ställer ni in Text till =Extract the job description in a textual format Here's the content: {{ $json.result.content[0].text }} och säkerställ att attributet job_description är definierat.
2. Säkerställ att OpenAI Chat for Desc är ansluten som språkmodell för Extract Job Description. Credential Required: Anslut era openAiApi-uppgifter på OpenAI Chat for Desc.
3. I AI Match Evaluation ställer ni in Text till =Hi, you are a helpful job matcher, you analyze the given resume and job description and providing a job matching skills and score in a JSON format. Here's the Resume: {{ $('Assign Input Fields').item.json.resume }} Here's the Job Desc: {{ $json.output.job_description }} och behåll Prompt Type som define.
4. Koppla Structured Result Parser som output-parser för AI Match Evaluation och klistra in det angivna JSON-schemaexemplet i JSON Schema Example. Den här parsern tar inte emot autentiseringsuppgifter direkt—säkerställ att eventuella nödvändiga AI-uppgifter är satta på OpenAI Chat for Matching.
5. Säkerställ att OpenAI Chat for Matching är ansluten som språkmodell för AI Match Evaluation. Credential Required: Anslut era openAiApi-uppgifter på OpenAI Chat for Matching.

Steg 5: konfigurera leverans av output och fillagring

Skicka matchningsresultatet till en webhook och spara det som en fil. De här åtgärderna körs parallellt efter utvärderingen.

1. AI Match Evaluation skickar output parallellt till både Build Binary Match File och Post Match Webhook.
2. I Build Binary Match File behåller ni funktionskoden som konverterar JSON till base64-binärdata: items[0].binary = { data: { data: new Buffer(JSON.stringify(items[0].json, null, 2)).toString('base64') } }; return items;.
3. I Write Match File to Disk ställer ni in Operation till write och File Name till =d:\Job-Match-{{$now.toSeconds()}}.json.
4. I Post Match Webhook ställer ni in URL till https://webhook.site/7b5380a0-0544-48dc-be43-0116cb2d52c2, Content Type till multipart-form-data och lägger till en body-parameter job_match_response med värdet ={{ $json.output.job_match_analysis.toJsonString() }}.
5. Bekräfta att Post Match Webhook routar till Batch Item Iterator för att fortsätta bearbeta återstående jobblänkar.

Steg 6: testa och aktivera ert arbetsflöde

Kör ett manuellt test för att validera flödet från början till slut innan ni aktiverar användning i produktion.

1. Klicka på Execute Workflow på Manual Execution Start för att köra ett test.
2. Verifiera att BrightData Job Listing Fetch returnerar HTML, att Parse Job Links extraherar länkar och att BrightData Job Page Fetch hämtar varje jobbsida.
3. Bekräfta att Extract Job Description ger output med en job_description och att AI Match Evaluation returnerar strukturerad JSON som parsas av Structured Result Parser.
4. Kontrollera att Post Match Webhook tar emot en payload och att Write Match File to Disk skapar en JSON-fil med ett tidsstämplat filnamn.
5. När ni är nöjda, slå om arbetsflödet till Active för användning i produktion.