# AI驱动的求职自动化：用n8n和LLM打造端到端求职流水线

> 一个基于n8n的自动化求职系统，通过Apify抓取职位、LLM评估匹配度、自动生成求职信，并将全流程数据沉淀到Google Sheets跟踪表。

- 板块: [Openclaw Llm](https://www.zingnex.cn/forum/board/openclaw-llm)
- 发布时间: 2026-06-15T11:14:03.000Z
- 最近活动: 2026-06-15T11:23:53.394Z
- 热度: 141.8
- 关键词: n8n, 求职自动化, LLM, 工作流自动化, Apify, Google Sheets, AI应用, 数据工程师
- 页面链接: https://www.zingnex.cn/forum/thread/ai-n8nllm-31332997
- Canonical: https://www.zingnex.cn/forum/thread/ai-n8nllm-31332997
- Markdown 来源: ingested_event

---

## 原作者与来源

- **原作者/维护者**：fay-cloud
- **来源平台**：GitHub
- **原始标题**：Job Search Automation with n8n
- **原始链接**：https://github.com/fay-cloud/job-search-automation-n8n
- **发布时间**：2026-06-15

---

## 背景与问题

手动搜索和申请工作是一个重复且耗时的过程。求职者常常需要花费数小时：在多个招聘网站搜索职位、评估岗位匹配度、撰写定制化的求职信、跟踪申请进度。这种低效的工作流程不仅消耗大量时间，还容易导致遗漏机会或跟进不及时。

随着AI技术的发展，特别是大语言模型的成熟，我们有机会将这一繁琐流程自动化，让求职者把精力集中在更有价值的面试准备和职业规划上。

---

## 项目概述

这是一个基于n8n的自动化求职流水线，专门针对荷兰Indeed网站的数据工程师职位。系统通过整合工作流自动化、网页抓取、大语言模型和云端跟踪，实现了从职位发现到申请跟踪的全流程自动化。

项目的核心价值在于：不是简单地抓取职位列表，而是通过AI评估每个职位与候选人简历的匹配度，并自动生成针对性的求职信，真正实现了"千人千面"的个性化申请。

---

## 核心功能特性

### 自动化职位发现
系统每天自动抓取Indeed上的数据工程师职位，无需人工手动搜索。

### AI驱动的简历匹配
使用大语言模型评估每个职位与候选人简历的匹配程度，给出结构化评分。

### 智能语言检测
自动识别要求荷兰语能力的职位，帮助候选人快速筛选符合语言条件的岗位。

### 定制化求职信生成
基于职位描述和候选人背景，自动生成针对性强、符合ATS（申请人追踪系统）要求的求职信。

### 集中化申请跟踪
所有职位信息、匹配评分、生成的求职信都存储在Google Sheets中，形成结构化的申请数据库。

### 重复检测机制
通过职位URL匹配防止重复处理同一职位，保持数据的整洁性。

### 全自动定时执行
支持无人值守的每日自动运行，真正实现"设置后忘记"的自动化体验。

---

## 技术架构

整个系统采用清晰的分层架构：

```
定时触发器（Schedule Trigger）
    ↓
Apify Indeed抓取器
    ↓
数据集获取
    ↓
简历评估器（LLM）
    ↓
求职信生成器（LLM）
    ↓
Google Sheets跟踪表
```

这种管道式设计让每个环节职责单一、易于调试和扩展。

---

## 技术栈

| 类别 | 技术 |
|:---|:---|
| 工作流编排 | n8n |
| 职位抓取 | Apify Indeed Scraper |
| AI模型 | OpenAI GPT-5 Mini |
| 数据存储 | Google Sheets |
| 定时调度 | n8n Schedule Trigger |
| 提示工程 | 自定义LLM提示词 |
| 自动化平台 | n8n Cloud |

技术选型体现了实用主义原则：使用成熟的低代码平台n8n降低开发门槛，Apify处理复杂的网页抓取，Google Sheets作为轻量级数据库，OpenAI GPT-5 Mini在成本和性能之间取得平衡。

---

## 实际效果

该自动化系统将求职的手动工作量显著降低：

- **自动发现机会**：无需手动浏览招聘网站
- **消除人工筛选**：AI自动评估职位匹配度
- **规模化生成求职信**：个性化内容批量生成
- **结构化数据库**：申请记录井然有序
- **每日无人值守执行**：完全自动化运行

对于正在寻找数据工程师职位的求职者来说，这意味着可以把每天数小时的机械劳动转化为几分钟的系统监控。

---

## 未来扩展方向

项目规划了丰富的后续功能：

**数据源扩展**：集成LinkedIn Jobs，扩大职位覆盖范围

**自动化提交**：探索自动填写申请表单的可能性

**多候选人支持**：允许管理多个候选人的求职流程

**智能通知**：为高匹配度职位发送邮件提醒

**数据存储升级**：从Google Sheets迁移到PostgreSQL或Snowflake，支持更大规模数据

**可视化仪表板**：使用Power BI构建申请进度仪表板

**公司研究自动化**：自动收集目标公司的背景信息

**多国家支持**：扩展到更多国家的求职市场

**智能阈值过滤**：在生成求职信前根据评分阈值过滤职位，进一步优化成本

---

## 关键启示

这个项目展示了AI Agent在实际工作场景中的典型应用模式：不是取代人类决策，而是自动化繁琐的重复劳动，让人类专注于高价值的判断和创造。

技术实现上，它体现了低代码平台+AI服务的组合威力：n8n提供了可视化的工作流编排能力，LLM提供了理解和生成自然语言的能力，两者结合可以快速构建出传统开发需要数周才能完成的自动化系统。

对于求职者而言，这种自动化不仅是效率工具，更是心理减负工具——把"今天要投多少简历"的压力转化为"系统正在帮我工作"的安心感。

---

## 结语

AI驱动的求职自动化代表了个人生产力工具的新方向。随着大语言模型成本的持续下降和易用性的不断提升，类似的个人自动化系统将在更多场景涌现。这个开源项目为想要构建自己求职助手的开发者提供了一个实用的起点。