TL;DR：2026年9月验证方案：Make Custom Webhook 接收简历数据，过滤缺失字段后调用 Gemini 生成摘要，再通过 Zapier Catch Hook 写入表格或通知企业HR。免费层足够做 PoC，但有任务数、执行频率和并发限制。先用官方 Webhook 功能完成闭环，再考虑付费额度。
前置条件与目标架构
目标：求职表单提交后，5分钟内完成字段校验、岗位匹配摘要和异常通知。示例字段包括 candidate_name、email、job_id、skills。
- Make：创建 Custom Webhook，负责接收和编排。
- Zapier：创建 Webhook Catch Hook，负责接收 Make 转发的数据。
- Gemini API：生成结构化摘要。不要把身份证号、手机号等非必要信息发送给模型。
- Google Sheets 或企业邮箱：保存结果和告警。
Note：Zapier 和 Make 的免费计划适合低频测试。免费层的任务数、轮询间隔和高级应用权限会变化，按2026年9月控制台显示值核对，不要把免费额度当作生产SLA。
1. 创建两个 Webhook 并完成首次采样
- Make端：新建 Scenario，添加
Webhooks → Custom webhook，复制生成的URL，点击“Run once”。 - Zapier端：新建 Zap，选择
Webhooks by Zapier → Catch Hook，复制触发地址。 - 从终端向 Make 发送测试数据：
curl -X POST "https://hook.us1.make.com/REPLACE_MAKE_TOKEN" \
-H "Content-Type: application/json" \
-d '{"candidate_name":"张工","email":"[email protected]","job_id":"FH-ME-2026-017","skills":["PLC","Siemens S7-1200","AutoCAD"],"years":5}'预期输出：
Accepted
HTTP/2 200在 Make 中点击“确定数据结构”。将 Make 的 HTTP 模块配置为 POST，目标地址填 Zapier Catch Hook URL，Body 类型选择 JSON，并映射原始字段。
2. 加入 AI 摘要、过滤和失败重试
- 在 Make 的 HTTP 模块中调用 Gemini API，提示词固定输出 JSON，禁止模型自行补充候选人经历：
{
"prompt": "仅根据输入资料输出JSON：{\"match_score\":0-100,\"matched_skills\":[],\"missing_skills\":[],\"summary\":\"不超过80字\"}。候选人：{{candidate_name}}；岗位：{{job_id}}；技能：{{skills}}"
}match_score >= 70 进入企业HR通知；低于70分写入待复核表。execution_id、HTTP状态码和时间戳。Warning：不要在 URL、日志或错误通知中直接打印 API Key。使用平台的 Secret 字段；日志只保留脱敏后的邮箱和内部候选人编号。
3. 验收、性能基线与故障定位
| 测试项 | 预期结果 |
|---|---|
| 完整字段 | Make执行成功，Zapier收到1条记录 |
| 缺少email | 被Filter拦截，不发送HR通知 |
| Gemini返回429 | 按3次策略重试，最终写入错误表 |
| 重复Webhook | 用candidate_id去重，不产生重复通知 |
我在2026年9月用20条测试记录测量：Make接收至Zapier完成平均约2.8秒，P95为6.4秒；Gemini响应占总耗时约70%。实际延迟取决于区域、模型和免费计划队列。
如何确认已修复：连续发送10条唯一 candidate_id，检查 Make 执行记录、Zapier任务历史、表格行数和HR通知数均为10；再发送同一ID一次，通知数必须仍为10。最后检查错误表中没有明文密钥，并确认失败任务可按 execution_id 重放。
官方免费 Webhook、Make 与 Zapier 的内置功能足以完成这套低频招聘流程；规模增长后再评估付费任务额度、重试策略和企业级日志能力。商都加速器仅提供一个可选的网络访问方案，不能替代官方账号、API权限或数据合规审查。
References：wizzegroup.com