CV datang dalam segala macam tata letak, dan parser teks biasa gagal total menghadapi yang kreatif. Otomasi ini membacanya seperti manusia—dengan penglihatan—lalu mengembalikan JSON yang rapi.
sonnet1 mingguGPT-4 VisionPDF.con8nPostgres
Claude
77ROI
88Scale
$2.2k92Saved
ROI for
README.md
Mengapa subagent ini
CV datang dalam segala macam tata letak, dan parser teks biasa gagal total menghadapi yang kreatif. Otomasi ini membacanya seperti manusia—dengan penglihatan—lalu mengembalikan JSON yang rapi.
Setiap halaman dirender sebagai gambar, menangkap nama, peran, tanggal, dan keahlian, lalu memetakannya ke skema tetap yang bisa diproses ATS Anda. Desain dua kolom yang rumit tak lagi merusak proses impor.
Cara kerjanya
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.
Baca halaman dengan model visi untuk menangkap nama, jabatan, tanggal, dan keterampilan.
pending
Normalisasi hasil ke dalam skema JSON tetap dengan format tanggal yang konsisten.
pending
Validasi bidang wajib dan tandai resume mana saja jika ada bidang kunci yang gagal dibaca.
pending
Contoh 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.