Zuletzt aktualisiert: 6. Januar

Let's Build: KI-Lebenslauf-Parser mit Transloadit

Kevin van Zonneveld

Mitgründer · Amsterdam, Niederlande ·

Das Parsen von Lebensläufen ist ein klassisches SaaS-Problem: Sie nehmen unsaubere Dokumente aus der Praxis entgegen und extrahieren daraus strukturierte Felder, die ATS-Pipelines speisen. Mit Transloadit bauen Sie diesen Workflow aus Primitiven in einer einzigen Assembly.

Was wir bauen

Lebensläufe als PDF, DOCX oder Bild annehmen
Nicht-PDFs mit 🤖 /document/convert in PDF konvertieren
Felder mit 🤖 /ai/chat (English) extrahieren

Zuerst das Schema (zod)

import { z } from 'zod'
import { zodToJsonSchema } from 'zod-to-json-schema'

const resumeSchema = z.object({
  full_name: z.string().optional(),
  headline: z.string().optional(),
  email: z.string().optional(),
  phone: z.string().optional(),
  location: z.string().optional(),
  summary: z.string().optional(),
  skills: z.array(z.string()).optional(),
  work_experience: z
    .array(
      z.object({
        company: z.string().optional(),
        title: z.string().optional(),
        start_date: z.string().optional(),
        end_date: z.string().optional(),
        highlights: z.array(z.string()).optional(),
      }),
    )
    .optional(),
  education: z
    .array(
      z.object({
        institution: z.string().optional(),
        degree: z.string().optional(),
        start_date: z.string().optional(),
        end_date: z.string().optional(),
      }),
    )
    .optional(),
})

const toJsonSchema = (schema: z.ZodTypeAny): unknown =>
  typeof (z as { toJSONSchema?: typeof zodToJsonSchema }).toJSONSchema === 'function'
    ? (z as { toJSONSchema: typeof zodToJsonSchema }).toJSONSchema(schema)
    : zodToJsonSchema(schema)

const resumeJsonSchema = toJsonSchema(resumeSchema)

Überblick über die Pipeline

PDF resumes ──▶ /ai/chat
Other docs  ──▶ /document/convert (pdf) ──▶ /ai/chat

Assembly-Snippet

const assembly = await transloadit.createAssembly({
  params: {
    steps: {
      pdf_verified: {
        robot: '/file/filter',
        use: ':original',
        accepts: [['${file.mime}', '==', 'application/pdf']],
      },
      non_pdf: {
        robot: '/file/filter',
        use: ':original',
        accepts: [['${file.mime}', '!=', 'application/pdf']],
      },
      pdf_converted: {
        robot: '/document/convert',
        use: 'non_pdf',
        format: 'pdf',
      },
      extract_resume: {
        robot: '/ai/chat',
        use: ['pdf_verified', 'pdf_converted'],
        model: 'anthropic/claude-4-sonnet-20250514',
        format: 'json',
        schema: JSON.stringify(resumeJsonSchema),
        messages: 'Extract resume fields. Omit keys if unknown.',
        result: true,
      },
    },
  },
  files: {
    document: filePath,
  },
  waitForCompletion: true,
})

Die Beispiel-App ausprobieren

Das vollständige Beispielskript und die Einrichtungsanleitung sind in diesem Repository enthalten. Führen Sie im Stammverzeichnis des Repositorys aus:

node public/example_apps/resume-parser/run.ts

Beispieleingaben

Verwenden Sie die mitgelieferten Beispieldateien oder setzen Sie einen echten Lebenslauf als PDF ein:

_assets/demos/inputs/first_document.pdf
_assets/demos/inputs/second_document.pdf
_assets/demos/inputs/scan.pdf

Nächste Schritte

Fügen Sie eine Normalisierungsschicht für Telefonnummern und Datumsangaben hinzu.
Markieren Sie fehlende Felder und leiten Sie sie zur manuellen Prüfung weiter.
Speichern Sie die Ergebnisse in einer Talentdatenbank oder einem ATS.