Agente IA para extraer automáticamente los datos de un CV (con n8n)

Esta primera etapa te permite probar el workflow manualmente. Gracias al módulo Manual Trigger de n8n, puedes ejecutar el flujo bajo demanda para verificar que funciona correctamente antes de automatizarlo en producción.

El disparador manual es muy útil para probar cada paso en tiempo real y detectar fácilmente posibles errores. Una vez que validas tus pruebas, puedes reemplazar este disparador por uno automático (ej.: cron, webhook…) si lo necesitas.

Para empezar: haz clic en "Run Workflow" dentro de n8n para iniciar el proceso.

Este paso permite listar automáticamente todos los archivos PDF que están en una carpeta específica de tu Google Drive. Cada archivo corresponde a un CV que será procesado individualmente por el agente IA.

💡 Consejo : puedes obtener el ID de tu carpeta Drive en la URL cuando estés dentro de la carpeta. Es la parte que sigue a /folders/.

Esta etapa utiliza el módulo Split In Batches para procesar cada CV de forma independiente. Se realiza un bucle sobre cada archivo PDF recuperado para ejecutarlo en un flujo aislado.

Esto garantiza un procesamiento limpio y evita confusiones si hay varios archivos en la carpeta.

Esta acción descarga el archivo PDF del CV desde tu carpeta de Google Drive, utilizando el ID del archivo obtenido en el loop.

➡️ Configuración:

• Módulo: Google Drive
• Operación: Descargar un archivo
• Archivo: ID dinámico del archivo (proveniente del loop)
• Autenticación: Tu propia cuenta de Google conectada a n8n

💡 También puedes reemplazar esta fuente por un disparador de Gmail, una API o cualquier otro sistema que reciba CVs.

Se guarda el archivo PDF en el servidor en una ruta temporal (/tmp/doc.pdf) para poder utilizarlo con un comando de extracción de texto.

En este paso se utiliza el comando pdftotext (proporcionado por Poppler) para convertir el PDF en un archivo de texto plano que el agente IA pueda leer. Este comando debe estar instalado en tu servidor.

➡️ Comando ejecutado: pdftotext /tmp/doc.pdf /tmp/doc.txt

💡 Si no sabes cómo instalar este comando, pide ayuda a ChatGPT según tu sistema (Linux, Docker, Mac…), o contáctanos para asistencia.

Leemos el archivo /tmp/doc.txt generado por pdftotext. El contenido se carga en n8n para enviarlo al agente IA en el siguiente paso.

Esta etapa limpia y estructura el contenido de texto bruto para que pueda ser analizado correctamente por el agente IA. El texto procesado estará disponible en $json.data.

El contenido de texto se envía a un agente IA basado en GPT-4o a través de LangChain. Extrae toda la información clave del CV, como nombre, correo electrónico, experiencia, habilidades y más.

➡️ Prompt: estructura fija, nombres de columnas predefinidos, apóstrofes añadidos a los números para compatibilidad con Google Sheets.

Convertimos el JSON devuelto por el agente IA en una estructura plana compatible con la importación automática en Google Sheets. Cada propiedad (por ejemplo, lang_1, edu_1_degree) está mapeada explícitamente.

💡 Si quieres enviar los datos a otro lugar (Notion, Airtable, base de datos SQL…), puedes adaptar fácilmente este bloque.

La información extraída se añade automáticamente como una nueva fila en tu Google Sheet. Cada columna corresponde a un campo claramente definido del CV.

➡️ Conexión : Google Sheets conectado a tu cuenta

💡 También puedes modificar este paso para enviar los datos a Notion, Airtable o cualquier otra base de datos.

Este comando elimina todos los archivos temporales (/tmp/doc.pdf y /tmp/doc.txt) después de cada ciclo para mantener el entorno limpio.

➡️ Comando: rm -rf /tmp/doc.pdf /tmp/doc.txt