5 分钟搭一个能“替你筛简历”的 AI 工作流:我用 ZGI 做了个小实验,结果惊到我了
在真实的企业里,大模型“能不能落地”?
答案往往不是卡在“模型不够强”,而是卡在工程化太麻烦。
连一个最简单的“自动筛简历”流程,都要:
接收文件
解析内容
读写数据库
拼系统 Prompt
调模型
输出结构化结果
部署网页,展示结果
工作流环节一堆,流程一长,很多团队直接劝退。
但最近我试了一个工具:ZGI。
一句话:
它把大模型开发做到“像连乐高一样好用”。
我用它做了一个简历自动初筛工作流,从新建到上线落地,不到 5 分钟。
我甚至没写一句代码。
今天这篇文章,我想带你从零搭一遍,也顺便看看 ZGI 究竟凭什么这么丝滑。
用 ZGI 搭一个“简历自动初筛”工作流(全图示教程)
下面我们正式开始。
只需要 5 分钟,你就会拥有一个“AI 简历初筛助手”。
第一步:新建任务工作流
在 ZGI 首页创建一个新的任务型工作流。
初始界面如下:
第二步:清理默认输入,只保留我们需要的
初始的“开始”节点,有一个默认的 query 输入。
因为我们不需要对话,只需要:
上传简历(文件)
输入岗位描述(文本)
所以把默认的 query 输入删掉。
第三步:创建两个变量
① 简历上传
② 岗位描述
点击“新增变量”,添加文件上传通道和岗位描述通道。
简历文件上传变量定义如下:
岗位描述变量定义如下:
这样,入口数据就准备好了。
第四步:添加“文档提取器”节点(读取简历内容)
上传文件只是第一步,AI 要“看懂”内容必须先解析文件。
插入“文档提取器”节点:
连接“文档读取器”节点,“文档读取器”节点输入设置为 “开始” 节点的文件输入,输出为从文件中提取到的文本内容。
第五步:把解析后的内容 + 岗位描述交给 LLM 分析
有了简历内容和岗位描述,下一步需要将上面两个变量传入LLM进行分析。
配置“LLM”节点,你可以自由选择模型,这里以 DeepSeek 为例。
输入系统提示词。
暂时无法在飞书文档外展示此内容
可以看到,系统提示词中需要引用{{简历内容}}和{{岗位描述}}的内容,可以点击 {}按钮,插入变量,插入变量后如下:
大模型的输出有两个变量,一个模型生成的文本和令牌用量费用信息,我们想给用户看的,是模型生成的文本。
第六步:连接到结束节点
将模型输出的文本连接到结束节点,即为输出,完成闭环。
第七步:点击“调试”试跑一下
工作流配置完成,点击“调试工作流”,输入一个示例岗位描述,上传一份简历,看结果是否符合预期。
暂时无法在飞书文档外展示此内容
可以看到输出结果都正常,符合预期。
第八步:发布!
没问题就可以点发布了,点击右上角【发布】。
发布后,ZGI 会自动生成一个“智能体落地页”,点击后跳转到一个网页,就是你刚才搭建的工作流界面了。
可以直接在线使用刚才的工作流,你的“简历初筛助手”已经上线!
第九步:试试效果
我上传了一份简历试试:
OK,没问题。输出很工整,评分和理由一目了然。
一个完整的企业级小工具,就这么完成了。
这只是开始
上面只是“上传一个文件 → 自动分析”的基础玩法。
但 ZGI 的可视化工作流能做的事,非常多:
高级玩法 1:
一次上传一批简历,批量筛选
只要在前面加一个循环节点,你就能做到:
一次上传 10 份、100 份甚至更多简历
自动逐个解析
每份生成一个匹配度
最终导出 Excel 或写入数据库
完全批处理!
筛选效率直接 x10。
高级玩法 2:
自动生成结构化报告(PDF / Markdown / Excel)
你可以:
输出为 Markdown
自动排版成 PDF
甚至自动生成“面试建议”
人力 HR 看到会热泪盈眶。
高级玩法 3:
串接企业内部系统:CRM、OA、招聘系统
ZGI 的 API 节点很强大:
有新简历 → 自动筛 → 存数据库
匹配度高 → 自动创建招聘任务
自动通知面试官
自动同步到微信 / 工作群
所有这些,你都可以在 ZGI 的可视化界面里完成。
为什么越来越多企业开始用 ZGI?
你可以把 ZGI 理解成:
企业级 AI 工作流 + 可追溯 RAG 引擎 + AI-Native 数据操作系统 的全家桶。
一句话总结它的价值:
让企业开发者从 80% 的重复性脏活累活中解放出来,专注于 20% 真正有差异化价值的创新。
ZGI 有三大狠活
(1)可溯源 RAG 引擎:
每一句话都能找到证据。企业用 AI 最怕什么?胡说八道。
ZGI 的 RAG 引擎直接把“引用链路”透明化。
(2)可视化 Agent 编排:
不用写一行代码,就能串 CRM、ERP、数据库、API。
你只要想清楚逻辑,ZGI 负责帮你把它 编排成真实服务。
(3)AI-Native 数据操作系统:
内置上千种模型
自动负载均衡
云端 & 私有化都可部署
API 打通全链路
ZGI 的优势让企业开发者真正能“把 AI 用起来”。
开发者不再管繁杂底座,只专注业务创新。
5 分钟搭一个工作流,1 小时上线一个企业级智能体。
说实话,在企业做 AI 工程的人看到这三条,真的会忍不住点个赞。
