الصفحة الرئيسية>المتعلقة بالبرمجة>شفرة المصدر الأخرى
تنزيل

استخراج الوظائف التي تعمل بالطاقة من الذكاء الاصطناعي ومولد البريد الإلكتروني البارد

يستفيد هذا المشروع من أدوات وأطر منظمة العفو الدولية المتطورة لأتمتة عملية استخراج وظائف الوظائف من صفحات الويب ، وإنشاء رسائل بريد إلكتروني باردة مخصصة لتطبيقات الوظائف بناءً على مدخلات المستخدم ومجموعة من المهارات القابلة للتخصيص. إنه يدمج LLM (نموذج تعلم اللغة) الذي يعمل بنظام GroQ ، ومطالبات Langchain ، وتجاهل الويب ، وقواعد بيانات المتجهات لتبسيط العملية من طرف إلى طرف لإنشاء تطبيقات الوظائف.

سمات

  • تجريف الويب: يستخرج تلقائيًا منشورات الوظائف من صفحات الويب الديناميكية باستخدام WebBaseLoader وتنظيف البيانات المستخرجة للتخلص من الضوضاء.
  • استخراج نشر الوظائف: يستخدم سلاسل LLM LLM الخاصة بـ Langchain لاستخراج وتنسيق تفاصيل الوظيفة ذات الصلة (الدور ، والخبرة ، والمهارات ، والوصف) في كائنات JSON صالحة.
  • رسائل البريد الإلكتروني الباردة المخصصة: يولد رسائل بريد إلكتروني باردة مصممة باستخدام LLM التي تعمل بنظام GroQ ، والتي يمكن تخصيصها مع مهارات المرشح وروابط المحفظة ذات الصلة.
  • تكامل قاعدة بيانات Vector: تخزن مكدس التكنولوجيا وبيانات تعريف المحفظة باستخدام ChromadB للاستعلام الفعال للروابط ذات الصلة للبريد الإلكتروني البارد.
  • توليد البريد الإلكتروني الديناميكي: يقوم بإنشاء رسائل بريد إلكتروني مخصصة تعتمد على النتائج تتوافق مع أوصاف الوظائف وتسليط الضوء على أكثر الخبرة والمشاريع ذات الصلة.

التقنيات المستخدمة

  • LLM Integration (GROQ): نموذج Chatgroq (LLAMA-3.1-70B) لتوليد النص العالي الدقة.
  • Langchain: يستخدم لإنشاء قوالب موجهة ديناميكية وسلاسل LLMs لإنشاء ردود.
  • Flask: خادم الخلفية للتعامل مع طلبات توليد البريد الإلكتروني وإدارة تجريف الوظائف وتفاعل LLM.
  • React.js: الواجهة الأمامية لجمع مدخلات المستخدم (على سبيل المثال ، اسم المستخدم) وإطلاق عملية توليد البريد الإلكتروني.
  • ChromadB: قاعدة بيانات المتجهات لتخزين البيانات الوصفية والاستعلام الفعالة.
  • Pandas: تستخدم لمعالجة بيانات CSV Portfolio ومعالجتها للتخزين في Chromadb.
  • قارورة كورز: تمكين كورس للقرار الخلفي.

تعليمات الإعداد

المتطلبات الأساسية

  • بيثون 3
  • Node.js و NPM (للواجهة الأمامية)
  • مفتاح GROQ API (لتكامل LLM)

تثبيت

  1. استنساخ المستودع: 

    git clone https://github.com/IMRANDIL/cold_email_generator_llm.git
cd cold_email_generator_llm

  2. إعداد الخلفية (قارورة):

    • إنشاء وتفعيل بيئة افتراضية: 
      python3 -m venv venv
source venv/bin/activate
    • تثبيت تبعيات Python المطلوبة: 
      pip install -r requirements.txt
    • إعداد متغيرات البيئة لمفتاح GROQ API: 
       export GROQ_API_KEY= " your-api-key "
    • ابدأ خادم Flask: 
      python app.py

  3. إعداد الواجهة الأمامية (رد فعل):

    • انتقل إلى دليل frontend : 
       cd frontend
    • تثبيت التبعيات: 
      npm install
    • ابدأ خادم تطوير React: 
      npm run dev

الاستخدام

  • تفضل بزيارة واجهة الواجهة الأمامية لإدخال اسم المستخدم وإطلاق عملية توليد البريد الإلكتروني.
  • ستقوم الواجهة الخلفية بتشكيل منشورات الوظائف ، ومعالجتها بمطالبات Langchain ، والاستعلام عن قاعدة بيانات المتجه ، وإنشاء رسائل بريد إلكتروني باردة مخصصة لكل وظيفة.
  • يتم إرجاع رسائل البريد الإلكتروني بتنسيق JSON ويتم عرضها في كتلة رمز تنسيق جيد مع ميزة "نسخة إلى الحافظة".

مثال الإخراج 

{
  "subject" : " Application for Lead Software Engineer at XYZ Inc. " ,
  "body" : " Dear Hiring Manager, I am writing to express my interest in the Lead Software Engineer position... "
}

التحسينات المستقبلية

  • Dynamic Web Drassing: قم بتوسيع إمكانيات تجريف الويب للتعامل مع مواقع نشر الوظائف الأكثر تعقيدًا وديناميكية.
  • الاستعلام المتقدم: تحسين آلية الاستعلام عن قاعدة بيانات المتجهات للتعامل مع مجموعات المهارات المتعددة بشكل أكثر كفاءة.
  • تحسينات واجهة المستخدم: زيادة تعزيز الواجهة الأمامية لـ React.js لتجربة مستخدم أفضل ودعم لقوالب البريد الإلكتروني المتعددة.
  • تكامل API المتعدد: استكشف التكامل مع نماذج LLM الأخرى (Openai ، إلخ) لزيادة التنوع.

رخصة

هذا المشروع مرخص بموجب ترخيص معهد ماساتشوستس للتكنولوجيا. انظر ملف الترخيص للحصول على التفاصيل.

يوسع
معلومات إضافية
تطبيقات ذات صلة
نوصي لك
أخبار ذات صلة الكل