CV'er findes i alle tænkelige layouts, og almindelige tekst-parsere går i stå på de kreative. Denne læser dem som et menneske gør – med billedgenkendelse – og returnerer ren JSON.
sonnet1 ugeGPT-4 VisionPDF.con8nPostgres
Claude
77ROI
88Scale
$2.2k92Saved
ROI for
README.md
Hvorfor denne subagent
CV'er findes i alle tænkelige layouts, og almindelige tekst-parsere går i stå på de kreative. Denne læser dem som et menneske gør – med billedgenkendelse – og returnerer ren JSON.
Den gengiver hver side som et billede, fanger navne, roller, datoer og kompetencer og mapper dem til et fast skema, dit ATS-system kan indlæse. Besværlige to-kolonners designs ødelægger ikke længere importen.
Sådan kører den
Used at step 01 to kick off the pipeline.
Write
Used at step 01 to kick off the pipeline.
WebFetch
Used at step 01 to kick off the pipeline.
WebSearch
Used at step 01 to kick off the pipeline.
Læs siderne med en vision-model for at fange navne, roller, datoer og kompetencer.
pending
Normalisér resultatet til en fast JSON-skema med ensartede datoformater.
pending
Valider påkrævede felter og marker eventuelle CV'er, hvor et centralt felt ikke kunne læses.
pending
Eksempel på output
json
// Sample output
// (generated when the pipeline finishes)
Parse the resume into the fixed JSON schema; use null for missing fields and never invent employers or dates.
Unlock the rest
The full agent definition, install snippet, and starter task are gated for community members.
Members get the full `.md` agent file, the npm / pnpm install one-liners, a starter prompt that we've tuned against real runs, and the open-source repo when this automation ships there. One email, magic link, done.