📘 雙搜尋引擎分工說明 & 已綁定之 GCP Vertex AI Agent Builder 參數
❓ 為什麼系統要設計「兩個引擎」？（各司其職、互補雙強）
⚡ 引擎一：Cloudflare D1 結構化資料庫（免費、0.01 秒精準總表）
負責一打開網頁就「列出全部候選人總表、統計共幾人、用電話號碼與姓名自動把同一人的簡歷+履歷合併成同一筆、下拉篩選年資/職缺、以及匯出 Excel」。
🧠 引擎二：GCP Vertex AI Agent Builder（消耗 NT$31,405 贈金的 AI 獵頭大腦）
負責跨表單自然語言獵頭搜尋（例如：「幫我從自傳跟主管手寫評語裡面，找出做過半導體封裝、懂品質客訴處理的人選」）。
✅ 已成功綁定你的專屬 GCP Agent Builder 參數！
🔹 GCP 專案編號 (Project Number)：
158104220626🔹 搜尋應用程式 (App Name)：
shiny-resume-search-2026 (LambertTest)🔹 資料儲存庫 ID (Data Store ID)：
resume-datastore-2026_1792637852547🔹 區域位置 (Location)：
global（一般計價模式・直接扣抵 NT$31,405 贈金）💡 上述參數已全數自動寫入本系統之
src/worker.js 與 Google_Drive_自動辨識歸檔腳本.gs！
✓
🔔 系統辨識與歸檔通知：
目前已辨識 2 位候選人
（已自動改名為「日期+人名+應徵職位.pdf」並移至歸檔資料夾，詳細名單請見下方列表）
🧠
GCP Agent Builder 自然語言獵頭提問專區
直接用口語提問，AI 大腦將自動翻閱所有求職者的完整 PDF 卷宗、自傳與主管手寫評語
💡 點選快速範例問題：
✨ GCP Agent Builder 獵頭大腦綜合分析報告：
候選人列表
👇 點擊任一候選人可展開【5 大分頁完整卷宗視窗】
| 姓名 / 西元生日 / 投遞職缺 | 電話 (重複查詢主鍵) | 投遞次數 / 履歷日期 & 投遞日期 | 最高學歷 / 學校科系 | 總年資 / 歷任公司標籤 | HBDI 四腦 & 團隊角色 | 面談與核定結果摘要 | 操作 |
|---|