cold_email_generator_llm

AI驱动的工作提取和冷电子邮件生成器

该项目利用尖端的AI工具和框架来自动从网页中提取职位发布的过程，并根据用户输入和可自定义的技能组合为工作应用程序生成个性化的冷电子邮件。它集成了GROQ驱动的LLM（语言学习模型），Langchain提示，Web刮擦和矢量数据库，以简化作业应用程序创建的端到端过程。

特征

• Web刮擦：使用WebBaseLoader自动从动态网页中提取作业发布，并清洁提取的数据以消除噪声。
• 职位发布提取：利用Langchain的LLM提示链来提取和格式化相关的工作细节（角色，经验，技能，描述）中的有效JSON对象。
• 个性化的冷电子邮件：使用groq驱动的LLM生成量身定制的冷电子邮件，可自定义候选人的技能和相关的投资组合链接。
• 向量数据库集成：使用Chromadb存储Tech堆栈和投资组合元数据，以有效查询冷电子邮件的相关链接。
• 动态电子邮件生成：创建与工作描述相符的个性化的，以结果为导向的电子邮件，并突出显示最相关的经验和项目。

使用的技术

• LLM Integration（GROQ）：高智能文本生成的Chatgroq（Llama-3.1-70B）模型。
• Langchain：用于创建动态提示模板和链接LLM以生成响应。
• 烧瓶：后端服务器处理电子邮件生成请求并管理作业刮擦和LLM交互。
• React.js：用于收集用户输入（例如用户名）并触发电子邮件生成过程的前端。
• Chromadb：用于有效元数据存储和查询的矢量数据库。
• PANDAS：用于处理投资组合CSV数据并处理其存储在Chromadb中。
• 烧瓶 -启用烧瓶后端的CORS。

设置说明

先决条件

• Python 3
• node.js和npm（用于react Frontend）
• GROQ API键（用于LLM集成）

安装

1. 克隆存储库：

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

2. 后端设置（烧瓶）：

   • 创建并激活虚拟环境：

     python3 -m venv venv
     source venv/bin/activate

   • 安装所需的python依赖性：

     pip install -r requirements.txt

   • 为GROQ API密钥设置环境变量：

      export GROQ_API_KEY= " your-api-key "

   • 启动烧瓶服务器：

     python app.py

3. 前端设置（React）：

   • 导航到frontend目录：

      cd frontend

   • 安装依赖项：

     npm install

   • 启动React开发服务器：

     npm run dev

用法

• 访问前端接口以输入用户名并触发电子邮件生成过程。
• 后端将刮擦职位发布，并使用Langchain提示进行处理，查询矢量数据库，并为每个作业生成自定义的冷电子邮件。
• 电子邮件以JSON格式返回，并以“副本到剪贴板”功能显示在形式良好的代码块中。

示例输出

{
  "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... "
}

未来的增强

• 动态网络刮擦：扩展网络刮擦功能，以处理更复杂和动态的作业发布网站。
• 高级查询：改进矢量数据库查询机制，以更有效地处理多个技能集。
• UI增强功能：进一步增强React.js前端，以获得更好的用户体验和对多个电子邮件模板的支持。
• 多重API集成：探索与其他LLM模型（OpenAI等）的集成，以提高多功能性。

执照

该项目已根据MIT许可获得许可。有关详细信息，请参见许可证文件。