Att söka jobb på LinkedIn blir lätt en daglig loop: öppna flikar, köra om filter, skumma samma inlägg igen och sedan undra om du missade den enda rollen som faktiskt passar.
Jobbsökare känner av det först. Men även upptagna yrkespersoner som diskret bevakar marknaden och karriärcoacher som hjälper klienter genom jobbsökandet slår i samma vägg. Den här LinkedIn-jobbautomationen skickar dina bästa träffar till Gmail, redan filtrerade mot ditt CV, så att du kan sluta scrolla och börja söka.
Det här arbetsflödet hämtar nya annonser, rankar dem med AI och mejlar topp 5 från de senaste 24 timmarna. Du får se vad det gör, vad du behöver och hur du undviker de vanligaste fallgroparna vid uppsättning.
Så fungerar automationen
Se hur detta löser problemet:
n8n Workflow Template: LinkedIn till Gmail: dina bästa jobbmatchningar i ett mejl
flowchart LR
subgraph sg0["Schedule Flow"]
direction LR
n0@{ icon: "mdi:play-circle", form: "rounded", label: "Schedule Trigger", pos: "b", h: 48 }
n1@{ icon: "mdi:swap-vertical", form: "rounded", label: "SetResumeField", pos: "b", h: 48 }
n2@{ icon: "mdi:swap-vertical", form: "rounded", label: "Input", pos: "b", h: 48 }
n3@{ icon: "mdi:robot", form: "rounded", label: "Structured Output Parser", pos: "b", h: 48 }
n4@{ icon: "mdi:robot", form: "rounded", label: "Auto-fixing Output Parser", pos: "b", h: 48 }
n5@{ icon: "mdi:cog", form: "rounded", label: "DownloadResume", pos: "b", h: 48 }
n6@{ icon: "mdi:cog", form: "rounded", label: "Extract Information from Res..", pos: "b", h: 48 }
n7["<div style='background:#f5f5f5;padding:10px;border-radius:8px;display:inline-block;border:1px solid #e0e0e0'><img src='https://flowpast.com/wp-content/uploads/n8n-workflow-icons/httprequest.dark.svg' width='40' height='40' /></div><br/>ScrapeLinkedin"]
n8@{ icon: "mdi:robot", form: "rounded", label: "AI Agent: Find Best-matched ..", pos: "b", h: 48 }
n9@{ icon: "mdi:message-outline", form: "rounded", label: "Email the top job recommenda..", pos: "b", h: 48 }
n10@{ icon: "mdi:swap-vertical", form: "rounded", label: "Combine all job information ..", pos: "b", h: 48 }
n11@{ icon: "mdi:cog", form: "rounded", label: "Aggregate all returned items", pos: "b", h: 48 }
n12@{ icon: "mdi:brain", form: "rounded", label: "Google Gemini Chat Model", pos: "b", h: 48 }
n13@{ icon: "mdi:brain", form: "rounded", label: "Google Gemini Chat Model1", pos: "b", h: 48 }
n2 --> n5
n5 --> n6
n7 --> n11
n1 --> n7
n0 --> n2
n12 -.-> n8
n3 -.-> n4
n4 -.-> n8
n13 -.-> n4
n11 --> n10
n8 --> n9
n6 --> n1
n10 --> n8
end
%% Styling
classDef trigger fill:#e8f5e9,stroke:#388e3c,stroke-width:2px
classDef ai fill:#e3f2fd,stroke:#1976d2,stroke-width:2px
classDef aiModel fill:#e8eaf6,stroke:#3f51b5,stroke-width:2px
classDef decision fill:#fff8e1,stroke:#f9a825,stroke-width:2px
classDef database fill:#fce4ec,stroke:#c2185b,stroke-width:2px
classDef api fill:#fff3e0,stroke:#e65100,stroke-width:2px
classDef code fill:#f3e5f5,stroke:#7b1fa2,stroke-width:2px
classDef disabled stroke-dasharray: 5 5,opacity: 0.5
class n0 trigger
class n3,n4,n8 ai
class n12,n13 aiModel
class n7 api
classDef customIcon fill:none,stroke:none
class n7 customIcon
Utmaningen: hitta bra jobb utan att bo på LinkedIn
Manuell jobbsökning låter enkel tills du gör den varje dag. Du öppnar LinkedIn, lägger på filtren igen, klickar dig igenom en massa annonser som inte riktigt stämmer och tappar sedan mer tid på att komma ihåg vilka du redan har granskat. Det handlar inte bara om tid, utan om mental belastning. När du väl hittar något lovande är du trött, och kvaliteten på din ansökan sjunker. Och ärligt talat är det sämsta utfallet: du lägger tiden och missar ändå dina bästa möjligheter eftersom processen tar energi.
Det byggs upp snabbt. Här är var det faller isär i verkligheten.
- Du ser hela tiden dubbletter och nästan-dubbletter, så din ”söktid” blir ”sorteringstid”.
- Dina filter glider, vilket gör att du lägger fokus på jobb du aldrig skulle ta.
- Bra annonser försvinner snabbt, och att kolla en gång per dag räcker inte alltid när du gör det manuellt.
- Det är svårt att bedöma matchning konsekvent när du jämför varje roll mot ditt CV i huvudet.
Lösningen: ett dagligt mejl med dina topp 5 jobb som matchar ditt CV
Det här n8n-arbetsflödet vänder jobbsökningen från ”gå och jaga” till ”få en kuraterad kortlista”. Enligt schema (dagligen som standard) hämtar det din CV-PDF från Google Drive, extraherar texten och skrapar sedan nya LinkedIn-jobbannonser via din egen sök-URL. Därefter jämför en AI-agent varje jobb mot ditt CV och de preferenser du anger (rolltyp, plats, senioritet, branscher och så vidare). I stället för att dumpa en rå lista i ett kalkylark rankar det resultaten och väljer de fem bästa matchningarna som publicerats de senaste 24 timmarna. Till sist skickas ett korrekt formaterat HTML-mejl i Gmail med jobbtitlar, företagsinfo, en kort anledning till varför varje roll passar och en direkt ansökningslänk.
Arbetsflödet startar med en tidsstyrd trigger, så det körs automatiskt. I mitten gör det grovjobbet: CV-extraktion, LinkedIn-skrapning via Apify och AI-baserad matchning med Google Gemini. Utdata är avsiktligt enkel: ett mejl, fem jobb, redo att agera på.
Vad som förändras: före vs. efter
| Detta elimineras | Effekten du märker |
|---|---|
|
|
Effekt i verkligheten
Säg att du normalt kollar LinkedIn två gånger per dag. Varje pass är ”bara 20 minuter”, men mellan inloggning, att köra om filter, öppna annonser och spara länkar blir det oftast runt 45 minuter totalt per dag. Med det här arbetsflödet lägger du cirka 5 minuter en gång på att sätta dina preferenser och din LinkedIn-sök-URL, och sedan läser du bara ett mejl. Själva körningen sker i bakgrunden. Du går från ungefär 45 minuters sökande till cirka 10 minuters granskning, och sparar energin till själva ansökningarna.
Krav
- n8n-instans (testa n8n Cloud gratis)
- Alternativ för egen drift om du föredrar det (Hostinger fungerar bra)
- Google Drive för att lagra din CV-PDF.
- Gmail för att skicka det dagliga jobbmejlet.
- Apify API-nyckel (hämta den i dina kontoinställningar på Apify).
Svårighetsgrad: Nybörjare. Du klistrar in en LinkedIn-sök-URL, lägger till en API-nyckel och väljer rätt Google-uppgifter.
Behöver du hjälp att implementera detta? Prata med en automationsexpert (gratis konsultation i 15 minuter).
Flödet i arbetsflödet
En tidsstyrd körning sätter igång. Schematriggern körs dagligen som standard (ofta satt till 08:00), så du behöver inte komma ihåg att göra något.
Ditt CV hämtas från Google Drive och konverteras till text. Arbetsflödet laddar ner din PDF, extraherar innehållet och sparar sedan CV-texten så att matchningssteget får riktig kontext, inte gissningar.
LinkedIn-jobb skrapas via din egen sök-URL. En HTTP-förfrågan anropar Apify för att hämta nyliga annonser baserat på filtren du valde i en inkognitosession på LinkedIn. Arbetsflödet samlar ihop resultaten så att de kan utvärderas i en batch.
En AI-agent rankar jobben och väljer topp 5. Google Gemini (via AI Agent-noden) jämför varje annons med ditt CV och din preferenstext och tar fram en strukturerad, konsekvent utdata som är enkel att mejla.
Kortlistan hamnar i din inkorg. Gmail skickar ett HTML-mejl med de bästa matchningarna, inklusive företag, roll, en personlig ”varför det passar” och en ansökningslänk du kan klicka på direkt.
Du kan enkelt ändra LinkedIn-sök-URL:en för att sikta på andra roller, eller ändra schemat till två körningar per dag beroende på dina behov. Se den fullständiga implementeringsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementering
Steg 1: konfigurera schematriggern
Det här arbetsflödet startar enligt ett tidsbaserat schema och initierar kedjan för cv-bearbetning.
- Lägg till och öppna Timed Start Trigger.
- Ställ in önskat schema (t.ex. varje timme, dagligen) i trigger-konfigurationen.
- Bekräfta att Timed Start Trigger är ansluten till Initial Payload Setup.
Steg 2: anslut Google Drive
Hämta cv-filen från Google Drive och förbered den för parsning.
- Öppna Retrieve Resume File och välj cv-filen som ska laddas ned.
- Credential Required: Anslut era Google Drive-inloggningsuppgifter.
- Säkerställ att Retrieve Resume File går vidare till Parse Resume PDF som visas i canvasen.
Steg 3: konfigurera cv-parsning och jobbaggregering
Parsa cv:t, mappa fälten och hämta LinkedIn-jobbdata innan ni aggregerar resultaten.
- Öppna Parse Resume PDF och verifiera att den är konfigurerad för att extrahera text från den hämtade filen.
- I Assign Resume Fields mappar ni de extraherade cv-fälten som ni vill använda för jobbmatchning.
- Konfigurera LinkedIn Data Scraper med rätt endpoint och headers för er LinkedIn-datakälla eller ert scraping-API.
- Credential Required: Om er LinkedIn-datakälla kräver autentisering lägger ni till rätt inloggningsuppgifter i LinkedIn Data Scraper.
- Säkerställ att LinkedIn Data Scraper skickar output till Aggregate Returned Records och därefter till Merge Job Details Text.
Steg 4: konfigurera AI-matchning och parsning
AI-kedjan väljer de bästa jobben och formaterar resultaten innan de mejlas.
- Öppna AI Matchmaking Agent och bekräfta att den tar emot input från Merge Job Details Text.
- Anslut Gemini Chat Model A som språkmodell för AI Matchmaking Agent och lägg till inloggningsuppgifter där.
- Säkerställ att Gemini Chat Model B är ansluten till Autofix Output Parser och lägg till inloggningsuppgifter där.
- Behåll kopplingen Structured Result Parser → Autofix Output Parser → AI Matchmaking Agent enligt bilden, och kom ihåg att inloggningsuppgifter för AI-parsers läggs till på de överordnade noderna (Gemini Chat Model A och Gemini Chat Model B), inte på parser-noderna.
Steg 5: konfigurera e-postutskick
Skicka de bäst matchade jobben till mottagaren via e-post.
- Öppna Dispatch Top Job Email och konfigurera mottagare, ämne och brödtext.
- Credential Required: Anslut era Gmail-inloggningsuppgifter.
- Verifiera att AI Matchmaking Agent skickar output till Dispatch Top Job Email.
Steg 6: testa och aktivera ert arbetsflöde
Validera arbetsflödet från början till slut och slå på det för användning i produktion.
- Klicka på Execute Workflow för att köra ett manuellt test som startar från Timed Start Trigger.
- Bekräfta att Retrieve Resume File laddar ned cv:t, Parse Resume PDF extraherar text och att LinkedIn Data Scraper returnerar jobb.
- Verifiera att AI Matchmaking Agent tar fram rankade resultat och att Dispatch Top Job Email skickar mejlet.
- När allt fungerar växlar ni arbetsflödet till Active för att aktivera schemalagda körningar.
Saker att se upp med
- Google Drive- eller Gmail-uppgifter kan löpa ut eller kräva specifika behörigheter. Om något slutar fungera, börja med att kontrollera n8n:s sida för Credentials och autentisera om det anslutna Google-kontot.
- Om du skrapar via Apify varierar bearbetningstiderna beroende på hur många jobb du begär. Om nedströmsnoder misslyckas eller mejlet blir tomt, sänk antalet jobb eller höj eventuella wait-/timeout-inställningar i förfrågan.
- Din preferenstext styr AI-kvaliteten mer än många tror. Om du ofta får ”nästan, men inte riktigt”, skärp Preference-fältet tidigt (plats, nivå, måste-ha-kompetenser) annars kommer du att redigera och tveka i all oändlighet.
Vanliga frågor
Cirka 30 minuter om dina konton är redo.
Ja. Du skriver ingen kod, men du kommer att kopiera en LinkedIn-sök-URL, klistra in en API-nyckel och koppla Google-konton.
Ja. n8n har ett gratis alternativ för egen drift och en gratis provperiod på n8n Cloud. Cloud-planer startar på 20 USD/månad för högre volym. Du behöver också räkna in Apify-användning och kostnader för AI-modeller (den här mallen är designad för att köra för cirka 0,10 USD/dag i API-kostnader).
Två alternativ: n8n Cloud (hanterat, enklast uppsättning) eller egen drift på en VPS. För egen drift är Hostinger VPS prisvärd och hanterar n8n bra. Egen drift ger dig obegränsade körningar men kräver grundläggande serveradministration.
Du kan finjustera resultaten genom att byta LinkedIn-sök-URL:en som används i noden LinkedIn Data Scraper och skärpa Preference-fältet i Input/Setup-noderna. Vanliga anpassningar är att ändra plats- och senioritetsfilter, öka eller minska antal skrapade annonser och justera AI Agent-prompten så att den prioriterar vissa kompetenser från ditt CV.
Oftast beror det på en ogiltig eller utgången Apify API-nyckel. Skapa om nyckeln i Apify och uppdatera sedan värdet i arbetsflödets Input-nod (där ApifyAPIKey tilldelas). Om nyckeln är korrekt, kontrollera dina Apify-gränser och antalet annonser du begärde, eftersom stora körningar kan misslyckas eller timea ut.
För de flesta är dagliga körningar triviala: en körning per dag som bearbetar en batch av annonser och returnerar fem rekommendationer. På n8n Cloud Starter kan du köra tusentals körningar per månad, vilket är långt mer än detta kräver. Om du kör själv är du främst begränsad av din server och skrap-/AI-svarstiden. Det praktiska taket kommer oftast från Apify och AI-modellernas begränsningar, inte från n8n i sig.
Ofta, ja, eftersom det här arbetsflödet använder skrapning plus AI-tolkning plus strukturerade utdata, vilket är där Zapier och Make snabbt kan bli pilligt (och dyrt). n8n hanterar grenlogik och databehandling snyggt, så du kan hålla ”topp 5”-formatet stabilt i Gmail. Egen drift är också en stor grej om du vill köra många gånger utan prissättning per uppgift. Zapier eller Make kan fortfarande vara bra för ett enkelt flöde ”nytt objekt → skicka mejl”, men det här är mer än så. Om du är osäker, prata med en automationsexpert så hjälper vi dig att välja rätt väg.
Ett mejl. Fem starka alternativ. Det är en jobbsökningsrytm du faktiskt kan hålla, även under hektiska veckor.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.