Llama3.1 Outreach Email Agent

Agen email penjangkauan?

Proyek ini dirancang untuk membantu petugas pengembangan bisnis dengan menghasilkan email penjangkauan yang dipersonalisasi berdasarkan deskripsi pekerjaan yang dikikis dari situs web. Ini menggunakan Langchain untuk pengikisan dan pemuatan dokumen web, database vektor untuk menyimpan dan mengambil portofolio yang relevan, dan LLAMA 3.1 di GROQ untuk mengidentifikasi elemen -elemen yang diperlukan dari data yang diekstraksi dan menghasilkan email. Alat ini membuat tugas menjangkau klien potensial lebih efisien dan ramping.

Tinjauan Proyek

Aplikasi ini menggores deskripsi pekerjaan dari URL yang diberikan, membersihkan teks yang diekstraksi, dan menggunakan LLAMA 3.1 untuk mengekstraksi informasi yang relevan seperti peran pekerjaan dan keterampilan yang diperlukan. Aplikasi ini kemudian menanyakan database vektor untuk menemukan proyek yang cocok dalam portofolio perusahaan dan menghasilkan email penjangkauan yang dipersonalisasi yang menyoroti keahlian perusahaan di bidang -bidang tersebut.

Teknologi digunakan

Berikut adalah rincian teknologi dan alat yang digunakan dalam proyek ini:

? Indeks

• Agen email penjangkauan?
  • Tinjauan Proyek
  • Teknologi digunakan
  • ? Indeks
  • ? Instalasi
  • Cara kerjanya
  • Struktur proyek
  • Penggunaan
  • Lisensi

---

? Instalasi

1. Kloning repositori ini.

    git clone https://github.com/username/outreach-email-agent.git
   

2. Arahkan ke direktori proyek.

    cd outreach-email-agent
   

3. Siapkan lingkungan virtual dan aktifkan.

    python -m venv venv
   source venv/bin/activate   # On Windows: venvScriptsactivate
   

4. Pasang paket yang diperlukan.

    pip install -r requirements.txt
   

5. Siapkan file .env Anda dengan kunci API GROQ Anda:

    GROQ_API_KEY=<your-api-key>
   USER_AGENT=OutreachEmailAgent/1.0
   

Cara kerjanya

1. Mengikis : Menggunakan Langchain, aplikasi menggosok deskripsi pekerjaan dari URL input dan membersihkan teks yang diekstraksi.
2. Inferensi : Teks yang dibersihkan diproses oleh LLAMA 3.1 berjalan di GROQ untuk mengekstraksi peran pekerjaan, keterampilan, dan informasi terkait lainnya.
3. Kueri Database Vektor : Database Vektor Chromadb digunakan untuk menyimpan dan mengambil portofolio proyek berdasarkan persyaratan pekerjaan yang diekstraksi.
4. Generasi Email : Data yang diekstraksi dan portofolio yang cocok digunakan untuk menghasilkan email penjangkauan yang dipersonalisasi yang dapat dikirim oleh petugas pengembangan bisnis ke klien potensial.

Struktur proyek

 | -- app/
|   | -- main.py           # Main Streamlit app
|   | -- chains.py         # Logic for using LLaMA for inference
|   | -- ChromaVectorDB.py # Vector database for project portfolios
|   | -- utils.py          # Utility functions for cleaning text
| -- venv/                 # Virtual environment
| -- .env                  # Environment variables
| -- README.md             # Project documentation
| -- requirements.txt      # Python dependencies 

Penggunaan

1. Jalankan aplikasi streamLit.

    streamlit run app/main.py
   

2. Masukkan URL deskripsi pekerjaan, dan aplikasi akan menghasilkan email penjangkauan yang disesuaikan untuk tujuan pengembangan bisnis.

Walkthrough.of.the.app.mp4

---

Lisensi

Proyek ini dilisensikan di bawah lisensi MIT. Lihat file lisensi untuk lebih jelasnya.