GenAI RAG implementation
1.0.0
Este proyecto utiliza Python y Streamlit para crear una aplicación web fácil de usar que ayuda a generar contenido de marketing, específicamente correos electrónicos. Aprovecha los modelos de lenguaje grande (LLM) para crear copias de correos electrónicos basadas en las entradas del usuario y las descripciones de los productos.
Selección del tipo de marketing por correo electrónico: elija el tipo de contenido de marketing que desea crear (por ejemplo, promocional, boletín informativo, educativo).
Entrada de descripción del producto: ingrese los detalles manualmente o cargue un archivo (texto, PDF o PPT).
Carga de datos (opcional): cargue un archivo CSV, Excel o de texto que contenga datos relevantes para obtener información valiosa.
Visión del correo electrónico del usuario: describa el contenido de correo electrónico deseado y las áreas de enfoque.
Nivel de creatividad: ajuste el nivel de creatividad para la copia del correo electrónico generada.
Selección de pie de página legal: elija un pie de página legal predefinido para su correo electrónico.
Generación de correo electrónico: genere contenido de correo electrónico según sus especificaciones.
Verificación legal (opcional): asegúrese de que el correo electrónico cumpla con los requisitos legales y reglamentarios.
Opciones de descarga: descargue el correo electrónico generado y los gráficos de información (si se cargan datos).
Clonar el repositorio: use git clone https://github.com/vishaltembhre/GenAI-RAG-implementation.git para clonar el proyecto.
Instale dependencias: navegue hasta el directorio del proyecto y ejecute pip install -r requisitos.txt para instalar las bibliotecas necesarias.
Configure las claves API: cree un archivo secreto denominado .secrets y agregue los detalles de la API Azure OpenAI (CLIENT_SECRET) de forma segura.
Ejecute la aplicación: Ejecute python main.py para iniciar la aplicación Streamlit.
Pitón
iluminado
langchain (para integración LLM)
pandas (para manipulación de datos)
PyPDF2 (para procesamiento de PDF)
pptx (para procesamiento de PowerPoint)
Azure OpenAI (para acceso LLM)
matplotlib (para visualización de datos)
seaborn (para visualización de datos)
