HR 入职文档处理流程：从使用 Dify Workflow 进行 PDF 分析到 HR 系统集成的实施指南

简介

在新员工入职过程中，人力资源部门需要处理大量的文件。简历、居民记录、个人编号通知卡、银行账户结单、养老金笔记本副本、各种誓言——从这些文件中准确提取必要信息并将其登记到人力资源系统中，每人需要几十分钟到一个小时。 4月份的大批量招聘期间，这项工作密集发生，给人力资源部门造成了瓶颈。

在本文中，我们将介绍如何使用 Dify 的 Workflow 设计和实现一个端到端管道，自动从 PDF/图像格式的加入文档中提取信息，并经过验证和人工验证后将其注册到人力资源系统中。

背景和问题

###入公司办理文件实况

流水线的优点

整体架构

flowchart TD
    A[書類アップロード<br>PDF / 画像] --> B[ファイル振分けノード]
    B --> C{ファイル形式判定}
    C -->|テキスト PDF| D[テキスト抽出]
    C -->|スキャン PDF / 画像| E[VLM / OCR 処理]
    D --> F[パラメータ抽出ノード<br>構造化 JSON 出力]
    E --> F
    F --> G[フィールド検証ノード]
    G --> H{検証結果}
    H -->|全項目 OK| I[Human-in-the-Loop<br>最終確認]
    H -->|不備あり| J[不備通知<br>再提出依頼]
    I --> K{承認?}
    K -->|Yes| L[人事システム連携<br>HTTP Request]
    K -->|修正| M[修正入力]
    M --> G
    L --> N[処理完了・ログ記録]

节点设计细节

节点1：文件接收（起始节点）

Dify Workflow 的起始节点接受以下输入。

节点2：文件格式确定/分发

分发每个上传文件的处理方法。

判定ロジック:
- 拡張子が .pdf でテキスト抽出可能 → テキスト PDF ルート
- 拡張子が .pdf でテキスト抽出不可 → スキャン PDF ルート（VLM）
- 拡張子が .jpg / .png / .heic → 画像ルート（VLM）

节点3：文本提取

对于文本 PDF

使用 PDF 解析器直接提取文本。成本最低，精度最高。

用于扫描 PDF/图像

使用 Dify 的 Vision 兼容模型（GPT-4o、Claude 等）直接从图像中提取结构化数据。使用VLM直接提取相对于传统OCR管道（图像→字符识别→后处理）具有以下优势：

节点4：参数提取（LLM节点）

从提取的文本或图像中输出结构化 JSON。

System Prompt:
あなたは HR 書類処理の専門アシスタントです。
以下の入社書類から、指定されたフィールドを正確に抽出してください。

【抽出フィールド】
{
  "personal_info": {
    "full_name_kanji": "氏名（漢字）",
    "full_name_kana": "氏名（カタカナ）",
    "date_of_birth": "生年月日（YYYY-MM-DD）",
    "gender": "性別",
    "nationality": "国籍"
  },
  "address": {
    "postal_code": "郵便番号（XXX-XXXX）",
    "prefecture": "都道府県",
    "city": "市区町村",
    "street": "番地以降",
    "building": "建物名・部屋番号"
  },
  "contact": {
    "phone": "電話番号",
    "email": "メールアドレス",
    "emergency_contact_name": "緊急連絡先氏名",
    "emergency_contact_phone": "緊急連絡先電話番号",
    "emergency_contact_relationship": "続柄"
  },
  "bank_account": {
    "bank_name": "銀行名",
    "branch_name": "支店名",
    "account_type": "口座種別（普通/当座）",
    "account_number": "口座番号",
    "account_holder": "口座名義（カタカナ）"
  },
  "tax_social": {
    "my_number": "マイナンバー（12桁）",
    "pension_number": "基礎年金番号",
    "health_insurance_number": "健康保険証番号"
  }
}

【重要ルール】
1. 書類に記載がないフィールドは null を設定すること
2. 読み取りに自信がないフィールドは
   {"value": "読み取り値", "confidence": "low", "note": "理由"}
   の形式で出力すること
3. マイナンバーは12桁の数字であること。桁数が合わない場合は
   confidence を "low" に設定すること
4. 絶対に推測や補完を行わないこと

将 value、confidence（高/中/低）、source_file 分配给每个字段。低置信度的字段被设计为在随后的人机循环中由人类检查。

节点 5：字段验证

对提取的数据执行基于规则的验证。

検証ルール:
1. 郵便番号: XXX-XXXX 形式であること
2. 電話番号: 0X-XXXX-XXXX または 0XX-XXX-XXXX 形式
3. メールアドレス: 有効な形式であること
4. マイナンバー: 12桁の数字であること（※ 重要：原则上不应入 LLM —— 详见后面"マイナンバー处理"章节）
5. 口座番号: 通常 7 桁の数字（**ゆうちょ銀行は「記号 5 桁 - 番号 8 桁」形式で異なる**；ネット銀行も口座番号桁数が異なる場合あり——銀行コードに基づき分岐検証する）
6. 生年月日: **雇用形態に応じた最低就業年齢を満たすこと**（正社員は通常 18 歳以上、アルバイト・高卒採用は中学卒業後の 4 月以降であれば 15 歳から可——労働基準法第 56 条）
7. 必須フィールド: 氏名、住所、銀行口座が全て入力済みであること

Dify Workflow 允许您使用代码节点 (Python/JavaScript) 实现这些验证。

# コードノードでの検証例
import re
import json

def validate_fields(data):
    errors = []
    warnings = []
    
    # 郵便番号チェック
    postal = data.get("address", {}).get("postal_code", "")
    if postal and not re.match(r"^\d{3}-\d{4}$", postal):
        errors.append({
            "field": "address.postal_code",
            "value": postal,
            "message": "郵便番号の形式が不正です（XXX-XXXX）"
        })
    
    # マイナンバーチェック
    my_number = data.get("tax_social", {}).get("my_number", "")
    if isinstance(my_number, dict):
        # confidence が low の場合
        warnings.append({
            "field": "tax_social.my_number",
            "value": my_number.get("value"),
            "message": my_number.get("note"),
            "requires_human_review": True
        })
    elif my_number and not re.match(r"^\d{12}$", str(my_number)):
        errors.append({
            "field": "tax_social.my_number",
            "value": my_number,
            "message": "マイナンバーは12桁の数字である必要があります"
        })
    
    # 口座番号チェック
    account = data.get("bank_account", {}).get("account_number", "")
    if account and not re.match(r"^\d{7}$", str(account)):
        errors.append({
            "field": "bank_account.account_number",
            "value": account,
            "message": "口座番号は7桁の数字である必要があります"
        })
    
    return {
        "is_valid": len(errors) == 0,
        "errors": errors,
        "warnings": warnings,
        "requires_human_review": len(warnings) > 0
    }

节点 6：人在环

在以下情况下请求人力资源代表确认：

━━━━━━━━━━━━━━━━━━━━━━━━━━━━
入社書類処理: 確認が必要です
━━━━━━━━━━━━━━━━━━━━━━━━━━━━

■ 対象者: 山田 太郎（社員番号: EMP-2026-0501）
■ 入社予定日: 2026-05-01

■ 要確認項目:

  ⚠ マイナンバー: 123456789012
    → スキャン品質が低く、3桁目が不明確です。
       原本を確認してください。

  ⚠ 基礎年金番号: 未検出
    → 年金手帳のコピーが提出されていない可能性があります。

■ 抽出結果（全項目）:
  [構造化データを表示]

■ アクション:
  [承認] [修正して承認] [書類再提出依頼]
━━━━━━━━━━━━━━━━━━━━━━━━━━━━

###节点7：人力资源系统联动（HTTP Request节点）

将经过验证的数据从 Dify Workflow 的 HTTP 请求节点发送到 HR 系统的 API。由于结构化 JSON 是按原样 POST 的，因此字段映射设计很重要。

链接系统的示例：

安全设计

个人信息的处理

就业文件包含需要特别严格管理的个人信息，例如マイナンバー和银行帐户信息。

⚠️ 法律警告 — マイナンバー处理

マイナンバーは番号法で「特定個人情報」として定義され、漏えい時には刑事罰を含む厳しい処分が科される。本書では以下を強く推奨：

1. 原则不入 LLM：マイナンバー字段在 OCR / VLM 抽出后必须由人事担当が手入力で確認，不要将含マイナンバー的画像 / 文本投入云端 LLM API（哪怕“学習しない“設定であっても）
2. 如确需 LLM 辅助：仅限 self-hosted Dify + 国内 region + 本地 VLM（不出境）+ 强制マスキング（中间 8 桁置换为 ✕）+ 全程監査ログ
3. プロンプトに「绝对不要推测」だけでは合规要件を満たさない —— 上記 1 / 2 のいずれかが必要

详见経済産業省「マイナンバーガイドライン」+ 個人情報保護委員会「特定個人情報の適正な取扱いに関するガイドライン」。

如果由于个人信息保护的原因无法将マイナンバー和帐户信息发送到外部云端，您可以通过在封闭网络上运行 Dify 自托管版本（Docker Compose）并与本地 VLM 结合来完全避免向外部发送数据。

错误处理

可能出现的错误及对策

实施步骤

总结

HR入职文档处理流程的核心不是“AI能读PDF吗？”，而是以可追溯、可重复的方式自动化分析、提取、验证、人工验证、系统注册等一系列流程。 Dify Workflow 提供了一个平台，允许您直观地设计和操作以下所有内容：文件输入接收、使用 VLM/OCR 提取信息、使用代码节点进行验证、使用人机交互进行人工验证以及使用 HTTP 请求节点进行外部系统链接。

以下三个设计原则尤为重要。

1. 结构化输出：以字段JSON形式输出，而不是自然文本，并分配confidence和source
2. 需要人工验证：高度机密字段（マイナンバー、帐号）必须始终由人工进行最终检查。
3. 安全设计：考虑采用自托管版本，并根据个人信息的处理方式限制数据的临时存储。

通过遵循这些原则，您可以创建一个确保准确性和安全性的管道，同时显着减轻人力资源部门在繁忙时期的文档处理负担。