cold_email_generator_llm

Extração de emprego a IA e gerador de e-mail frio

Este projeto aproveita as ferramentas e estruturas de IA de ponta para automatizar o processo de extração de postagens de emprego das páginas da Web e gerar e-mails frios personalizados para aplicativos de emprego com base na entrada do usuário e em um portfólio de habilidades personalizáveis. Ele integra LLM movido a Groq (Modelo de Aprendizagem de Idiomas), prompts Langchain, raspagem da Web e bancos de dados de vetores para otimizar o processo de ponta a ponta da criação de aplicativos de emprego.

Características

• Raspagem na Web: extrai automaticamente as publicações de emprego de páginas dinâmicas da Web usando WebBaseLoader e limpa os dados extraídos para eliminar o ruído.
• Extração de publicação de empregos: utiliza as cadeias prontas do Langchain LLM para extrair e formatar detalhes do trabalho relevantes (função, experiência, habilidades, descrição) em objetos JSON válidos.
• E-mails frios personalizados: gera e-mails frios personalizados usando um LLM movido a Groq, personalizável com as habilidades do candidato e links de portfólio relevantes.
• Integração do banco de dados vetorial: armazena a pilha de tecnologia e os metadados do portfólio usando o Chromadb para consulta eficiente de links relevantes para o e -mail frio.
• Geração dinâmica de email: cria e-mails personalizados e orientados a resultados que se alinham às descrições do trabalho e destacam a experiência e os projetos mais relevantes.

Tecnologias usadas

• Integração LLM (GROQ): modelo ChatGroq (LLAMA-3.1-70B) para geração de texto de alta precisão.
• Langchain: usado para criar modelos de prompt dinâmico e encadear LLMs para gerar respostas.
• Flask: servidor de back -end para lidar com solicitações de geração de email e gerenciar a interação de raspagem e LLM.
• React.js: front -end para coletar a entrada do usuário (por exemplo, nome de usuário) e acionar o processo de geração de email.
• Chromadb: banco de dados vetorial para armazenamento e consulta de metadados eficientes.
• PANDAS: Usado para manusear dados de portfólio CSV e processá -los para armazenamento no Chromadb.
• Flash-cors: Ativa os CORs para o back-end do frasco.

Instruções de configuração

Pré -requisitos

• Python 3
• Node.js e NPM (para o React Frontend)
• Chave da API Groq (para integração LLM)

Instalação

1. Clone o repositório:

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

2. Configuração de back -end (frasco):

   • Crie e ativar um ambiente virtual:

     python3 -m venv venv
     source venv/bin/activate

   • Instale as dependências Python necessárias:

     pip install -r requirements.txt

   • Configure variáveis ​​de ambiente para a chave da API Groq:

      export GROQ_API_KEY= " your-api-key "

   • Inicie o servidor Flask:

     python app.py

3. Configuração do front -end (React):

   • Navegue até o diretório frontend :

      cd frontend

   • Instale as dependências:

     npm install

   • Inicie o React Development Server:

     npm run dev

Uso

• Visite a interface do front -end para inserir o nome de usuário e acionar o processo de geração de email.
• O back -end raspará as publicações, processará -as com avisos de Langchain, consultará o banco de dados do vetor e gerará e -mails frios personalizados para cada trabalho.
• Os emails são retornados no formato JSON e são exibidos em um bloco de código bem formado com um recurso "cópia para a área de transferência".

Exemplo de saída

{
  "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... "
}

Aprimoramentos futuros

• Raspa dinâmica da Web: estenda os recursos de raspagem na web para lidar com sites de postagem de emprego mais complexos e dinâmicos.
• Consulta avançada: melhore o mecanismo de consulta do banco de dados do vetor para lidar com vários conjuntos de habilidades com mais eficiência.
• Aprimoramentos da interface do usuário: Aprimore ainda mais o Frontend do React.JS para melhor experiência e suporte do usuário para vários modelos de email.
• Integração múltipla da API: Explore a integração com outros modelos LLM (OpenAI, etc.) para aumentar a versatilidade.

Licença

Este projeto está licenciado sob a licença do MIT. Consulte o arquivo de licença para obter detalhes.