Llama3.1 Outreach Email Agent
1.0.0
이 프로젝트는 웹 사이트에서 긁힌 직업 설명을 기반으로 개인화 된 봉사 활동 이메일을 생성함으로써 비즈니스 개발 담당자를 지원하도록 설계되었습니다. 웹 스크래핑 및 문서로드, 관련 포트폴리오를 저장하고 검색하기위한 벡터 데이터베이스, Groq의 LLAMA 3.1을 활용하여 Exprcated Data에서 필요한 요소를 식별하고 이메일을 생성하는 데 Langchain을 사용합니다. 이 도구는 잠재적 인 고객에게보다 효율적이고 간소화하는 작업을 가능하게합니다.
이 앱은 주어진 URL에서 작업 설명을 긁어 내고 추출 된 텍스트를 정리하며 LLAMA 3.1을 사용하여 작업 역할 및 필요한 기술과 같은 관련 정보를 추출합니다. 그런 다음이 앱은 벡터 데이터베이스를 쿼리하여 회사 포트폴리오에서 일치하는 프로젝트를 찾아 해당 영역에서 회사의 전문 지식을 강조하는 개인화 된 아웃 리치 이메일을 생성합니다.
다음은이 프로젝트에 사용 된 기술 및 도구의 분류입니다.
이 저장소를 복제하십시오.
git clone https://github.com/username/outreach-email-agent.git
프로젝트 디렉토리로 이동하십시오.
cd outreach-email-agent
가상 환경을 설정하고 활성화하십시오.
python -m venv venv
source venv/bin/activate # On Windows: venvScriptsactivate
필요한 패키지를 설치하십시오.
pip install -r requirements.txt
Groq API 키로 .env 파일을 설정하십시오.
GROQ_API_KEY=<your-api-key>
USER_AGENT=OutreachEmailAgent/1.0
| -- 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 Streamlit 앱을 실행하십시오.
streamlit run app/main.py
작업 설명 URL을 입력하면 앱은 비즈니스 개발 목적으로 맞춤형 봉사 활동 이메일을 생성합니다.
이 프로젝트는 MIT 라이센스에 따라 라이센스가 부여됩니다. 자세한 내용은 라이센스 파일을 참조하십시오.