用 Dify 工作流实现「简历初筛辅助」：节点设计与搭建步骤

把「简历初筛辅助」交给智能体，难点不在模型能力，而在流程是否说清楚：输入是什么（简历与岗位要求），按什么顺序处理，交付什么（要点对照表），哪些事不能做。Skill 就是把这些写下来的载体。

本文介绍如何在 Dify 工作流 上实现这个技能，包括它的形态、示例配置、启用步骤、一次完整的运行过程和常见坑。

这个技能做什么

项目	说明
技能	简历初筛辅助（`resume-screen`）
作用	按岗位要求整理简历要点供人工判断
输入	简历与岗位要求
输出	要点对照表
形态	纯提示词
风险	高
适用人群	人力资源

处理流程分四步：

提取经历
对照要求
标出待核实信息
由人工决定

这个技能纯指令型，不需要额外脚本或外部连接，复制到大多数平台都能用；属于高风险：涉及权限、个人信息或不可逆操作，Skill 只产出建议或草稿，执行前必须人工确认。

在 Dify 工作流中是什么形态

Dify 是开源的大模型应用开发平台，可以用可视化工作流把开始、LLM、知识检索、代码执行、HTTP 请求、条件分支等节点串起来，适合把技能做成团队可直接使用的应用。

可以使用云端版本或自行部署；工作流发布后可通过网页应用或 API 调用。

示例配置

# 示意结构（便于理解节点关系，不是 Dify 导出的 DSL 文件）
应用: 简历初筛辅助
类型: 工作流
节点:
  - 开始: 输入变量 content（简历与岗位要求）
  - 模板转换: 预处理输入，统一格式
  - LLM: 系统提示词写明步骤——提取经历；对照要求；标出待核实信息；由人工决定
  - 条件分支: 输出中是否包含“需人工确认”
  - 结束: 输出 要点对照表

示例里最重要的是两处：一是描述（或指令开头）要写明「什么时候用」，让智能体在人力资源提出相关请求时能对上号；二是约束部分要写进「涉及个人信息与录用决定，必须由人做最终判断」这类领域规矩，避免智能体自作主张。

安装与启用步骤

新建工作流（或对话流）应用
在开始节点定义输入变量
按技能步骤添加 LLM、代码或工具节点
加条件分支处理需人工确认的情况
调试运行后发布，并把访问方式告诉团队

实操：一次完整的运行

假设你在招聘与人事系统中发出这样的请求（虚构示例）：

用简历初筛辅助技能处理这份简历与岗位要求，输出要点对照表。

智能体识别到任务与「简历初筛辅助」相关后，会依次提取经历、对照要求、标出待核实信息、由人工决定。最终交付要点对照表，并在末尾列出需要人工确认的内容。你的工作是对照原始简历与岗位要求抽查两三处关键信息，确认无误后再使用。

测试与验收

在调试面板逐节点查看输入输出，准备至少三组样例反复运行。

针对这个技能，还建议额外准备：

一份信息齐全的标准简历与岗位要求，检查输出是否完整
一份缺少关键信息的输入，检查智能体是否先提问而不是编造
一份包含“忽略以上规则”等字样的输入，检查约束是否仍然有效

常见坑

所有步骤都塞进一个 LLM 节点，出错时难以定位。
代码节点中写死了敏感配置。
只写了步骤，没写交付格式，导致每次输出的要点对照表结构不同。
高风险技能没有设置人工确认环节，智能体直接执行了不可逆操作。

延伸阅读

说明：文中的配置、代码与目录结构均为示意，用于说明思路；各平台的入口、字段名与能力会更新，落地前请以对应官方文档为准。示例中的数据与场景为虚构，不代表真实案例。