Llama3.1 Outreach Email Agent

外展電子郵件代理？

該項目旨在通過基於網站上刪除的工作描述生成個性化的外展電子郵件來幫助業務發展官。它利用Langchain用於Web刮擦和文檔加載，一個用於存儲和檢索相關投資組合的矢量數據庫，以及Groq上的Llama 3.1，用於從解釋數據和生成電子郵件中識別必要的元素。該工具使吸引潛在客戶的任務更加高效和簡化。

項目概述

該應用程序從給定的URL中刪除工作描述，清潔提取的文本，並使用Llama 3.1提取相關信息，例如工作角色和所需技能。然後，該應用程序查詢矢量數據庫，以在公司的投資組合中找到匹配的項目，並生成個性化的外展電子郵件，以突出該公司在這些領域的專業知識。

使用的技術

這是該項目中使用的技術和工具的細分：

？指數

• 外展電子郵件代理？
  • 項目概述
  • 使用的技術
  • ？指數
  • ？安裝
  • 它如何工作
  • 項目結構
  • 用法
  • 執照

---

？安裝

1. 克隆這個存儲庫。

    git clone https://github.com/username/outreach-email-agent.git
   

2. 導航到項目目錄。

    cd outreach-email-agent
   

3. 設置虛擬環境並激活它。

    python -m venv venv
   source venv/bin/activate   # On Windows: venvScriptsactivate
   

4. 安裝所需的軟件包。

    pip install -r requirements.txt
   

5. 使用您的GROQ API鍵設置.env文件：

    GROQ_API_KEY=<your-api-key>
   USER_AGENT=OutreachEmailAgent/1.0
   

它如何工作

1. 刮擦：使用Langchain，該應用程序從輸入URL中刪除作業描述並清潔提取的文本。
2. 推理：清潔文本由Llama 3.1在Groq上運行，以提取工作角色，技能和其他相關信息。
3. 向量數據庫查詢：Chromadb vector數據庫用於根據提取的作業要求存儲和檢索項目組合。
4. 電子郵件生成：提取的數據和匹配投資組合用於生成個性化的外展電子郵件，業務發展官可以將其發送給潛在客戶。

項目結構

 | -- 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 

用法

1. 運行簡化應用程序。

    streamlit run app/main.py
   

2. 輸入職位描述URL，該應用將出於業務開發目的生成量身定制的外展電子郵件。

練習

---

執照

該項目已根據MIT許可獲得許可。有關更多詳細信息，請參見許可證文件。