(影片長度: 19 mins)
睡醒就有 Cover Letter？11步打造 n8n 自動化求職流水線，讓 AI 幫你找工作
想像一下，每天早上醒來，面對海量的招聘廣告，又要逐個篩選，又要逐封寫求職信 (Cover Letter)。在這個競爭激烈的市場，手腳慢一點，機會就被別人搶走了。這篇文章要分享的，不是如何讓你打字快一點，而是如何利用 n8n 自動化求職 系統，在你睡覺時自動搜羅 LinkedIn 上的新職位，像個嚴格的 HR 幫你評分，甚至幫你寫好 Cover Letter，等你早上喝著咖啡慢慢挑選。
這不是科幻電影，這是 n8n 加上 AI 的威力。這套 n8n 自動化求職 工作流 (Workflow)，將徹底改變我們找遊戲的規則。
為什麼需要自動化？而不只是用 ChatGPT？
很多人以為「用 AI 找工作」就是把職位描述 (JD) 貼給 ChatGPT 叫它寫封信這麼簡單。其實真正的自動化，是要連「尋找」和「評估」的過程都一併解決。
但這裡有一個痛點：LinkedIn 非常討厭機械人爬蟲抓取資料。如果你直接寫程式去抓，帳號很快就會被封鎖。所以，這套系統巧妙地繞過了這個限制，讓我們能穩定地獲取資訊。
以下我將拆解這套系統的 11 個關鍵步驟，讓你也能建立自己的 AI 求職代理人。
實戰拆解：建立你的 AI 求職代理人
1. 賦予系統心跳 (Schedule Trigger)
任何自動化系統都需要一個啟動的信號。我們首先要給系統一個「鬧鐘」。
在 Workflow 的起點，我們加入 Schedule Trigger 節點。這裡設定了每天半夜 (例如 00:20) 自動執行一次。這個設定的意義在於將整個求職過程由「被動搜尋」變為「主動出擊」。當你還在夢鄉時，系統已經開始為你工作，確保你起床時，最新的職位資料已經準備好。
2. 注入靈魂數據 (Set Resume)
系統需要知道你是誰，才能幫你媒合工作。這一步非常關鍵，因為之後 n8n 就會拿這份資料去跟將來抓取到的每一份工作做配對，而不是盲目亂寫。
我們加入一個 Set 節點，命名為 “Set Resume”。在這裡新增一個 String (字串) 欄位，命名為 txt_resume，並將你的個人履歷、經驗、學歷全部以純文字格式貼進去。這就是系統判斷適配度的基準。
3. 繞過平台的防禦 (RSS.app)
因為 LinkedIn 有嚴格的防爬蟲機制，我們不能直接抓取。這裡我們需要一個「繞道」的方法——使用 RSS.app。
雖然這是付費服務 (有試用期)，但它能將 LinkedIn 的搜尋結果頁面轉化為 RSS Feed，這是最穩定的解法。
- 先在 LinkedIn 搜尋你想要的職位 (例如 “Social Media Manager”)，複製瀏覽器上方的網址。
- 登入 RSS.app，點擊 “New Feed” 並貼上剛才的網址。
- 點擊 “Generate” 後，複製生成的 RSS Feed URL。
- 回到 n8n，加入 RSS Read 節點，將 URL 貼入。
這樣一來，我們就避開了複雜的防爬機制，順利拿到職位列表。
4. 開發者的智慧 (Limit Node)
在測試階段，有一個小技巧能幫你節省大量的時間和 AI Token (費用)。
因為 RSS 一次可能會抓回幾十份工作，如果每次測試都跑完所有資料，太浪費資源。我們在 RSS 節點後加入一個 Limit 節點，將 “Max Items” 設定為 1 或 2。這樣能讓你極速進行除錯 (Debug)，不用坐在電腦前乾等系統跑完。
5. 模擬人類行為 (HTTP Request)
RSS 給我們的通常只是職位摘要，我們需要進入每個職位的詳細頁面，抓取具體的關鍵字和職責。
這裡使用 HTTP Request 節點，網址設為 RSS 輸出的 Link。重點在於 “Batching” 的設定：我們將 Batch Size 設為 1，並加入 2000ms (2秒) 的 Delay。這不是為了拖慢速度，而是為了「模仿人類行為」。如果請求太快，網站會發現你是機器人並封鎖你；慢慢來，反而比較快。
6. 數據清洗師 (AI Extraction)
抓回來的網頁內容通常是一大堆亂七八糟的 HTML 代碼，人類根本看不懂。
這時我們派出第一個 AI Agent (或 Basic LLM Chain 節點)。給它的指令很簡單：「請將以下 HTML 內容提取並轉換為 JSON 格式，需包含 Company, Description, Requirements」。瞬間，原本雜亂的代碼變成了整整齊齊的結構化數據 (JSON)，方便後續處理。
7. 招聘顧問的嚴格篩選 (AI Scoring)
這是整個系統的大腦核心。我們不希望浪費時間在不匹配的工作上，所以需要 AI 扮演一個「嚴格的招聘顧問」。
在新的 AI 節點中，System Prompt 設定為：「你是一位嚴格的招聘顧問…」。然後將你的 Resume 變數和剛抓取的 Job Description 同時傳給它，要求它輸出一個 0-100 的評分 以及簡短評語。如果你的履歷跟職位不符，分數就會很低。
8. 只留最好的 (If Filter)
有了分數，接下來就是過濾。
加入 If 節點 (或 Switch 節點)，設定條件：分數 (Score) 必須大於 80 分。符合條件的路徑才會進入下一步的寫信流程；不符合的直接結束。這樣確保最終送到你手上的，都是真正值得你花時間申請的高質量職位，消除了一般人「海投」卻石沉大海的無力感。
9. 聰明地選擇模型 (OpenRouter)
這是一個關於成本控制的策略。前面提到的「清洗數據」和「評分」任務相對簡單，我們不需要用最貴的模型。
建議使用 OpenRouter 來管理模型。在簡單任務 (如數據清洗) 時，選擇便宜的模型 (如 GPT-4o-mini 或 Nano)；但到了要寫 Cover Letter 這種需要文采的時候，就切換成高品質模型 (如 GPT-4o 或 Claude 3.5 Sonnet)。OpenRouter 讓你在同一個介面就能靈活切換，實現「模型套利」。
10. 杜絕 AI 說謊 (Fact Check)
AI 為了迎合 JD 的要求，有時會產生「幻覺」(Hallucination)，無中生有地編造你不會的技能。這在求職中是大忌。
所以，我們在生成 Cover Letter 後，必須串接另一個 AI 節點，專門負責「審計」。Prompt 設定為：「請檢查上一步生成的信件，是否包含 Resume 中不存在的經歷。若有，請修正並重新輸出」。這就是所謂的 Human-in-the-loop (人類參與迴圈) 的自動化版本，100% 抓出吹噓的內容，保證信件的真實性。
11. 成果驗收 (Google Sheets)
最後一步，將所有通過審查的職位、評分和生成的 Cover Letter 自動存入 Google Sheets。
設定 Google Sheets 節點為 “Append Row”，將對應的欄位填入。你只需要在早上打開表格，快速過目一次，複製貼上，就可以寄出申請了。你不再是那個苦苦搜尋的求職者，而是管理這條流水線的經理。
總結：從執行者轉變為管理者
這篇文章介紹的 n8n 自動化求職 流程，不只是教你找工作，而是展示了未來的工作模式。你不再是操作工具的人，而是管理 AI Agent 團隊的經理。
未來的競爭力，在於誰能同時指揮幾個 AI 幫自己做事。現在，你已經掌握了這套方法，試著建立你的第一支 AI 軍隊吧。
