cold_email_generator_llm

AI驅動的工作提取和冷電子郵件生成器

該項目利用尖端的AI工具和框架來自動從網頁中提取職位發布的過程，並根據用戶輸入和可自定義的技能組合為工作應用程序生成個性化的冷電子郵件。它集成了GROQ驅動的LLM（語言學習模型），Langchain提示，Web刮擦和矢量數據庫，以簡化作業應用程序創建的端到端過程。

特徵

• Web刮擦：使用WebBaseLoader自動從動態網頁中提取作業發布，並清潔提取的數據以消除噪聲。
• 職位發布提取：利用Langchain的LLM提示鏈來提取和格式化相關的工作細節（角色，經驗，技能，描述）中的有效JSON對象。
• 個性化的冷電子郵件：使用groq驅動的LLM生成量身定制的冷電子郵件，可自定義候選人的技能和相關的投資組合鏈接。
• 向量數據庫集成：使用Chromadb存儲Tech堆棧和投資組合元數據，以有效查詢冷電子郵件的相關鏈接。
• 動態電子郵件生成：創建與工作描述相符的個性化的，以結果為導向的電子郵件，並突出顯示最相關的經驗和項目。

使用的技術

• LLM Integration（GROQ）：高智能文本生成的Chatgroq（Llama-3.1-70B）模型。
• Langchain：用於創建動態提示模板和鏈接LLM以生成響應。
• 燒瓶：後端服務器處理電子郵件生成請求並管理作業刮擦和LLM交互。
• React.js：用於收集用戶輸入（例如用戶名）並觸發電子郵件生成過程的前端。
• Chromadb：用於有效元數據存儲和查詢的矢量數據庫。
• PANDAS：用於處理投資組合CSV數據並處理其存儲在Chromadb中。
• 燒瓶 -啟用燒瓶後端的CORS。

設置說明

先決條件

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

安裝

1. 克隆存儲庫：

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

2. 後端設置（燒瓶）：

   • 創建並激活虛擬環境：

     python3 -m venv venv
     source venv/bin/activate

   • 安裝所需的python依賴性：

     pip install -r requirements.txt

   • 為GROQ API密鑰設置環境變量：

      export GROQ_API_KEY= " your-api-key "

   • 啟動燒瓶服務器：

     python app.py

3. 前端設置（React）：

   • 導航到frontend目錄：

      cd frontend

   • 安裝依賴項：

     npm install

   • 啟動React開發服務器：

     npm run dev

用法

• 訪問前端接口以輸入用戶名並觸發電子郵件生成過程。
• 後端將刮擦職位發布，並使用Langchain提示進行處理，查詢矢量數據庫，並為每個作業生成自定義的冷電子郵件。
• 電子郵件以JSON格式返回，並以“副本到剪貼板”功能顯示在形式良好的代碼塊中。

示例輸出

{
  "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... "
}

未來的增強

• 動態網絡刮擦：擴展網絡刮擦功能，以處理更複雜和動態的作業發佈網站。
• 高級查詢：改進矢量數據庫查詢機制，以更有效地處理多個技能集。
• UI增強功能：進一步增強React.js前端，以獲得更好的用戶體驗和對多個電子郵件模板的支持。
• 多重API集成：探索與其他LLM模型（OpenAI等）的集成，以提高多功能性。

執照

該項目已根據MIT許可獲得許可。有關詳細信息，請參見許可證文件。