Steg 2: Anslut Google Drive för CV-lagring

Bilagor sparas i Drive och laddas sedan ned för textextrahering.

1. I Store Attachment in Drive ställer ni in Name till ={{ $json.from.value[0].name }}.
2. Ställ in Folder till er målmapp och behåll Input Data Field Name som CV0.
3. Inloggningsuppgifter krävs: Anslut era googleDriveOAuth2Api-inloggningsuppgifter i Store Attachment in Drive.
4. I Fetch Drive File ställer ni in Operation till download och File ID till ={{ $json.id }}.
5. Inloggningsuppgifter krävs: Anslut era googleDriveOAuth2Api-inloggningsuppgifter i Fetch Drive File.

Steg 3: Sätt upp AI-extrahering och sammanfattning

Extrahera text från PDF:en och skicka den genom parallella AI-flöden för strukturerade fält och sammanfattning.

1. Öppna Extract PDF Text och ställ in Operation till pdf.
2. I Structured Info Parser ställer ni in Text till ={{ $json.text }} och behåller Input Schema enligt det som angivits för att extrahera candidate_name, email_address och contact_number.
3. OpenRouter Chat Engine är ansluten som språkmodell för Structured Info Parser — säkerställ att inloggningsuppgifter är tillagda i OpenRouter Chat Engine.
4. I CV Summary Agent ställer ni in Text till =CV: {{ $json.text }} och behåller Prompt Type som define för att använda det inbyggda systemmeddelandet.
5. OpenRouter Chat Engine 2 är ansluten som språkmodell för CV Summary Agent — säkerställ att inloggningsuppgifter är tillagda i OpenRouter Chat Engine 2.

Parallell körning: Extract PDF Text skickar utdata till både Structured Info Parser och CV Summary Agent parallellt.

Steg 4: Transformera och slå ihop resultat

Normalisera sammanfattningsutdata och slå ihop den med de strukturerade fälten.

1. I Map Output Fields ställer ni in tilldelningen output till ={{ $json.output }} för att standardisera agentens svar.
2. Granska Transform Summary Script och behåll den tillhandahållna JavaScript-koden för att extrahera Educational Qualifications, Job History, Skill Set samt Score och Justification.
3. I Combine Results ställer ni in Mode till combine och Combine By till combineAll.

Steg 5: Konfigurera mål för utdata

Skriv de kombinerade resultaten till Google Sheets och Airtable samtidigt.

1. I Append Spreadsheet Row ställer ni in Operation till append och mappar kolumner med de befintliga uttrycken, till exempel ={{ $json.output.candidate_name }} och ={{ $json.score }}.
2. Inloggningsuppgifter krävs: Anslut era googleSheetsOAuth2Api-inloggningsuppgifter i Append Spreadsheet Row.
3. I Insert Airtable Entry ställer ni in Operation till create och mappar fält med uttryck som ={{ $json.jobHistory }} och ={{ $json.justification }}.
4. Inloggningsuppgifter krävs: Anslut era airtableTokenApi-inloggningsuppgifter i Insert Airtable Entry.

Parallell körning: Combine Results skickar utdata till både Append Spreadsheet Row och Insert Airtable Entry parallellt.

Steg 6: Testa och aktivera ert arbetsflöde

Kör ett fullständigt test för att bekräfta CV-hantering, AI-utdata och dataskrivningar.

1. Använd Incoming Gmail Watcher med ett testmejl som innehåller en PDF-bilaga eller skicka in en testfil via Form Submission Trigger.
2. Verifiera att Store Attachment in Drive skapar en fil och att Fetch Drive File laddar ned den utan problem.
3. Bekräfta att Structured Info Parser skickar ut candidate_name, email_address och contact_number, och att Transform Summary Script skickar ut score och justification.
4. Kontrollera att Append Spreadsheet Row skapar en ny rad och att Insert Airtable Entry skapar en ny post med de mappade fälten.
5. När allt fungerar växlar ni arbetsflödet till Active för produktionsbruk.