Les CV arrivent dans toutes les mises en page imaginables, et les parseurs en texte brut s'étranglent sur les plus créatifs. Celui-ci les lit comme le ferait une personne, par la vision, puis renvoie un JSON propre.
sonnet1 semaineGPT-4 VisionPDF.con8nPostgres
Claude
77ROI
88Scale
$2.2k92Saved
ROI for
README.md
Pourquoi ce sous-agent
Les CV arrivent dans toutes les mises en page imaginables, et les parseurs en texte brut s'étranglent sur les plus créatifs. Celui-ci les lit comme le ferait une personne, par la vision, puis renvoie un JSON propre.
Il rend chaque page sous forme d'image, capture noms, postes, dates et compétences, et les mappe vers un schéma fixe que votre ATS peut ingérer. Les designs sur deux colonnes cessent de faire planter l'import.
Comment il s'exécute
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.
Lit les pages avec un modèle de vision pour capturer noms, postes, dates et compétences.
pending
Normalise le résultat dans un schéma JSON fixe, avec des formats de date cohérents.
pending
Valide les champs requis et signale tout CV dont un champ clé n'a pas pu être lu.
pending
Exemple de sortie
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.