หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>ซอร์สโค้ดอื่น ๆ
ดาวน์โหลด

การสกัดงาน AI ที่ใช้พลังงานและเครื่องกำเนิดอีเมลเย็น

โครงการนี้ใช้ประโยชน์จากเครื่องมือ AI ที่ทันสมัยและเฟรมเวิร์กเพื่อทำให้กระบวนการแยกการโพสต์งานออกจากหน้าเว็บโดยอัตโนมัติและสร้างอีเมลเย็นส่วนบุคคลสำหรับแอปพลิเคชันงานตามการป้อนข้อมูลของผู้ใช้และทักษะที่ปรับแต่งได้ มันรวม LLM ที่ขับเคลื่อนด้วย GROQ (รูปแบบการเรียนรู้ภาษา), Langchain Prompts, การขูดเว็บและฐานข้อมูลเวกเตอร์เพื่อปรับปรุงกระบวนการ end-to-end ของการสร้างแอปพลิเคชันงาน

คุณสมบัติ

  • การขูดเว็บ: แยกการโพสต์งานออกจากหน้าเว็บแบบไดนามิกโดยอัตโนมัติโดยใช้ WebBaseLoader และทำความสะอาดข้อมูลที่แยกออกมาเพื่อกำจัดเสียงรบกวน
  • การสกัดการโพสต์งาน: ใช้โซ่พรอมต์ LLM ของ Langchain เพื่อแยกและจัดรูปแบบรายละเอียดงานที่เกี่ยวข้อง (บทบาทประสบการณ์ทักษะคำอธิบาย) ลงในวัตถุ JSON ที่ถูกต้อง
  • อีเมลเย็นส่วนบุคคล: สร้างอีเมลเย็นที่ปรับแต่งโดยใช้ LLM ที่ขับเคลื่อนด้วย GROQ ซึ่งปรับแต่งได้ด้วยทักษะของผู้สมัครและลิงก์พอร์ตโฟลิโอที่เกี่ยวข้อง
  • การรวมฐานข้อมูล Vector: จัดเก็บ Tech Stack และ Metadata พอร์ตโฟลิโอโดยใช้ Chromadb สำหรับการสืบค้นลิงก์ที่เกี่ยวข้องอย่างมีประสิทธิภาพสำหรับอีเมลเย็น
  • การสร้างอีเมลแบบไดนามิก: สร้างอีเมลที่เป็นส่วนตัวขับเคลื่อนผลลัพธ์ที่สอดคล้องกับรายละเอียดงานและเน้นประสบการณ์และโครงการที่เกี่ยวข้องมากที่สุด

เทคโนโลยีที่ใช้

  • LLM Integration (GROQ): โมเดล Chatgroq (LLAMA-3.1-70B) สำหรับการสร้างข้อความที่มีความแม่นยำสูง
  • Langchain: ใช้สำหรับการสร้างเทมเพลตพรอมต์แบบไดนามิกและการผูกมัด LLM เพื่อสร้างการตอบสนอง
  • Flask: Backend Server เพื่อจัดการคำขอสร้างอีเมลและจัดการการขูดงานและการโต้ตอบ LLM
  • React.js: ส่วนหน้าสำหรับการรวบรวมอินพุตผู้ใช้ (เช่นชื่อผู้ใช้) และเรียกกระบวนการสร้างอีเมล
  • Chromadb: ฐานข้อมูลเวกเตอร์สำหรับการจัดเก็บข้อมูลเมตาและการสืบค้นที่มีประสิทธิภาพ
  • Pandas: ใช้สำหรับการจัดการข้อมูลพอร์ตโฟลิโอ CSV และประมวลผลเพื่อจัดเก็บใน Chromadb
  • Flask-Cors: เปิดใช้งาน CORS สำหรับแบ็กเอนด์ Flask

คำแนะนำการตั้งค่า

ข้อกำหนดเบื้องต้น

  • Python 3
  • node.js และ npm (สำหรับ React Frontend)
  • คีย์ GROQ API (สำหรับการรวม LLM)

การติดตั้ง

  1. โคลนที่เก็บ: 

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

  2. การตั้งค่าแบ็กเอนด์ (ขวด):

    • สร้างและเปิดใช้งานสภาพแวดล้อมเสมือนจริง: 
      python3 -m venv venv
source venv/bin/activate
    • ติดตั้งการพึ่งพา Python ที่ต้องการ: 
      pip install -r requirements.txt
    • ตั้งค่าตัวแปรสภาพแวดล้อมสำหรับคีย์ GROQ API: 
       export GROQ_API_KEY= " your-api-key "
    • เริ่มต้นเซิร์ฟเวอร์ Flask: 
      python app.py

  3. การตั้งค่าส่วนหน้า (React):

    • นำทางไปยังไดเรกทอรี frontend : 
       cd frontend
    • ติดตั้งการอ้างอิง: 
      npm install
    • เริ่มต้นเซิร์ฟเวอร์ React Development: 
      npm run dev

การใช้งาน

  • เยี่ยมชมอินเทอร์เฟซส่วนหน้าเพื่อป้อนชื่อผู้ใช้และเรียกกระบวนการสร้างอีเมล
  • แบ็กเอนด์จะขูดโพสต์งานประมวลผลด้วยพรอมต์ Langchain สอบถามฐานข้อมูลเวกเตอร์และสร้างอีเมลเย็นที่กำหนดเองสำหรับแต่ละงาน
  • อีเมลจะถูกส่งคืนในรูปแบบ JSON และจะแสดงในบล็อกรหัสที่มีรูปแบบที่ดีพร้อมคุณสมบัติ "คัดลอกไปยังคลิปบอร์ด"

ตัวอย่างเอาต์พุต 

{
  "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... "
}

การปรับปรุงในอนาคต

  • การขูดเว็บแบบไดนามิก: ขยายความสามารถในการขูดเว็บเพื่อจัดการเว็บไซต์โพสต์งานที่ซับซ้อนและมีไดนามิกมากขึ้น
  • การสืบค้นขั้นสูง: ปรับปรุงกลไกการสืบค้นฐานข้อมูลเวกเตอร์เพื่อจัดการชุดทักษะหลายชุดได้อย่างมีประสิทธิภาพมากขึ้น
  • การปรับปรุง UI: ปรับปรุงส่วนหน้า React.js สำหรับประสบการณ์การใช้งานที่ดีขึ้นและการสนับสนุนสำหรับเทมเพลตอีเมลหลายรายการ
  • การรวม API หลายรายการ: สำรวจการรวมกับรุ่น LLM อื่น ๆ (OpenAI ฯลฯ ) เพื่อเพิ่มความหลากหลาย

ใบอนุญาต

โครงการนี้ได้รับใบอนุญาตภายใต้ใบอนุญาต MIT ดูไฟล์ใบอนุญาตสำหรับรายละเอียด

ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด