Bài 3: AI Chấm Điểm Ứng Viên - Xây Dựng Workflow So Khớp CV và JD

Trong bài này, chúng ta sẽ tiếp tục với workflow so sánh CV với JD để xem CV nào phù hợp với JD nào

Nếu muốn một quá trình tự động từ đầu đến cuối, thì sau khi workflow 1 hoàn thành, nó sẽ gọi workflow 2 chạy. Ở WF này, điều quan trọng nhất là prompt — chúng ta phải tổ chức sao cho AI có thể đánh giá đúng CV nào hợp với JD nào. Ở đây mình để ngưỡng >85% được xem là phù hợp.

Node 1: Kích Hoạt & Lấy Dữ Liệu

Workflow này có thể được kích hoạt theo lịch (ví dụ: mỗi đêm), hoặc được gọi từ Workflow 1 sau khi xử lý xong một CV mới. Bước này lấy toàn bộ dữ liệu từ bảng ứng viên và jobs ra.

Node 2: Vòng Lặp Lồng (Nested Loops) - CV và JD

Ta sẽ sử dụng node Loop Over Items của n8n. Vì n8n không hỗ trợ lặp lồng, bạn cần tạo một workflow khác cho vòng lặp Jobs và gọi tới nó mỗi khi CV cần mapping.

Node 3: “Trọng Tài” AI - Chấm Điểm Mức Độ Phù Hợp

Với mỗi cặp (Candidate, JD), chúng ta lại một lần nữa nhờ đến Gemini. Lần này, prompt sẽ khác đi. Dưới là prompt mẫu, chứ thực tế mình làm thì nó phải có đủ quy tắc và điều kiện để cho AI làm việc. Và độ dài prompt thì khá dài, nếu tính ra trang A4 thì trung bình là 3 trang A4 cho 1 CV bình thường. Đây là lý do vì sao chúng ta phải cân nhắc xem sử dụng API của model AI nào cho phù hợp.

Bạn là một Giám đốc Tuyển dụng (Hiring Manager) dày dạn kinh nghiệm. Nhiệm vụ của bạn là đánh giá mức độ phù hợp của một ứng viên cho một vị trí công việc cụ thể.
Dựa vào thông tin ứng viên (dưới dạng JSON) và mô tả công việc (JD) được cung cấp, hãy đưa ra đánh giá và trả về một đối tượng JSON DUY NHẤT có cấu trúc sau:
- `match_score`: Một con số từ 0 đến 100 thể hiện mức độ phù hợp. 0 là hoàn toàn không liên quan, 100 là hoàn toàn phù hợp.
- `justification`: Một đoạn giải thích ngắn gọn (2-4 câu) tại sao bạn lại đưa ra số điểm đó, nêu bật những điểm mạnh phù hợp hoặc những điểm còn thiếu của ứng viên so với JD.
- `keywords_match`: Một mảng các từ khóa chính từ JD mà ứng viên có trong CV.

Hãy đánh giá một cách khách quan dựa trên kỹ năng, số năm kinh nghiệm và các công việc đã làm.

Thông tin ứng viên:
"""
{{$json["candidate_data"]}}
"""

Mô tả công việc (JD):
"""
{{$json["jd_text"]}}
"""

Node 4: Ghi Nhận Kết Quả

Sau khi nhận được JSON đánh giá từ Gemini, sử dụng node IF để kiểm tra match_score có lớn hơn ngưỡng (ví dụ: 85) không.

Kết Quả: Từ File CV Thô Đến Bảng Dữ Liệu Sáng Rõ

Việc áp dụng AI vào đọc và đánh giá CV mang lại lợi ích rất lớn cho HR — giúp tiết kiệm thời gian, giảm tải công việc, và mang lại góc nhìn rõ hơn. Dù AI vẫn còn giới hạn, nhưng nó thực sự là công cụ mạnh mẽ nếu biết cách khai thác hợp lý. Hình dưới là bảng thông tin mình trích xuất từ CV và đánh giá của AI.

 

AI đánh giá CV với JD đang gán thành công.