Lebensläufe kommen in jedem erdenklichen Layout, und reine Textparser verschlucken sich an den kreativen. Dieser liest sie wie ein Mensch, per Vision, und gibt dann sauberes JSON zurück.
sonnet1 WocheGPT-4 VisionPDF.con8nPostgres
Claude
77ROI
88Scale
$2.2k92Saved
ROI for
README.md
Warum dieser Subagent
Lebensläufe kommen in jedem erdenklichen Layout, und reine Textparser verschlucken sich an den kreativen. Dieser liest sie wie ein Mensch, per Vision, und gibt dann sauberes JSON zurück.
Er rendert jede Seite als Bild, erfasst Namen, Rollen, Daten und Skills und bildet sie auf ein festes Schema ab, das Ihr ATS aufnehmen kann. Knifflige zweispaltige Designs sprengen den Import nicht länger.
So läuft er
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.
Liest die Seiten mit einem Vision-Modell aus, um Namen, Rollen, Daten und Skills zu erfassen.
pending
Normalisiert das Ergebnis in ein festes JSON-Schema mit einheitlichen Datumsformaten.
pending
Prüft die Pflichtfelder und markiert jeden Lebenslauf, bei dem ein Schlüsselfeld nicht gelesen werden konnte.
pending
Beispiel-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.