


Automatisierung der E -Mail -Sortierung und -bezeichnung mit Crewai - Analytics Vidhya
E -Mail -Management revolutionieren: Automatisieren von Sortier und Etikettierung mit Crewai und LLMs
Ray Tomlinson, der Erfinder der E -Mail, hätte seine derzeitige Allgegenwart bei der professionellen Kommunikation niemals vorhergesagt haben können. Heutzutage ist die E -Mail -Optimierung von entscheidender Bedeutung, und generative KI bietet leistungsstarke Lösungen. Dieser Blog zeigt die Automatisierung der E -Mail -Sortierung und -bezeichnung mit Crewai und einem LLM.
Wichtige Lernpunkte
- Gewährung von Anwendungen Google Mail -Zugriff über die OAuth 2.0 von Google Cloud Console.
- Erstellen eines LLM-Anbieter-Agenten zur Kategorisierung von E-Mails.
- Automatisierung der E -Mail -Sortierung und -bezeichnung mit einem einfachen Python -Skript.
Inhaltsverzeichnis
- Verständnis der Herausforderung und der Google -Authentifizierungsschritte
- Erstellen eines Google Cloud -Projekts
- Aktivieren der Google Mail -API
- Konfigurieren von OAuth 2.0 -Anmeldeinformationen
- Anmeldeinformationen generieren und herunterladen
- Python -Code: Crewai -E -Mail -Sortierung und -bezeichnung
- Installation der erforderlichen Bibliotheken
- LLM -Zugriff und Setup
- Erstellen des E -Mail -Datensammlers
- Erstellen des E -Mail -Extraktionstools
- Definieren des E -Mail -Sortieragenten
- Definieren der Sortieraufgabe
- Aktivierung der Crewai -Zusammenarbeit
- Häufig gestellte Fragen
Das Problem der E -Mail -Überladung
Ein überfüllter Posteingang ist eine häufige Frustration. Marketing -E -Mails, persönliche Nachrichten und professionelle Kommunikation mischen sich häufig zusammen. Selbst mit Beschriftungen ist das manuelle Sortieren von E-Mails zeitaufwändig. Generative KI bietet eine Lösung:
Dieses Tutorial zeigt, wie man einen LLM -Agenten mit Crewai erstellt, um ungelesene E -Mails automatisch in drei Kategorien zu sortieren: "sofort antworten", "Keine Antwort" und "irrelevant". Diese Kategorien sind vordefinierte Google Mail-Etiketten.
Google -Authentifizierung: Aktivieren des Google Mail -API -Zugriffs
Vor der Codierung müssen Sie die Google Mail -API aktivieren und OAuth 2.0 -Anmeldeinformationen generieren.
Schritt 1: Neues Google Cloud -Projekt
- Greifen Sie auf die Google Cloud -Konsole zu und melden Sie sich an.
- Erstellen Sie ein neues Projekt, das einen Namen (z. B. "Emailsorter") angibt. Wählen Sie den Standort Ihrer Organisation.
Schritt 2: Aktivieren Sie die Google Mail -API
- Navigieren Sie zu "APIs & Services" -> "Bibliothek".
- Suchen Sie nach und aktivieren Sie die "Google Mail -API".
Schritt 3: Einrichten von OAuth 2.0 -Anmeldeinformationen
- Gehen Sie zu "APIs & Services" -> "OAuth -Zustimmungsbildschirm".
- Konfigurieren Sie den Einwilligungsbildschirm (wählen Sie "extern" oder "intern").
- Geben Sie den App -Namen, Support -E -Mail und Entwickler Kontaktinformationen an.
- Fügen Sie den Bereich hinzu:
https://www.googleapis.com/auth/gmail.modify
. - Erstellen Sie die OAuth -Client -ID (wählen Sie "Desktop -App").
- Laden Sie die Datei
credentials.json
herunter.
Python -Code: Erstellen des E -Mail -Sortiersystems
In diesem Abschnitt wird der Python -Code mit Crewai beschrieben. Denken Sie daran, die erforderlichen Bibliotheken zu installieren: crewai
, crewai_tools
, google-auth-oauthlib
, google-api-python-client
und pandas
.
(Hinweis: Der vollständige Code aus der ursprünglichen Eingabe ist zu umfangreich, um sie hier effektiv zu reproduzieren. Diese Antwort konzentriert sich auf die Umrissen der wichtigsten Codesegmente und deren Funktionalität. Siehe die ursprüngliche Eingabe für den vollständigen, runnablen Code.)
1. LLM -Zugriff und Setup:
Stellen Sie Ihren OpenAI -API -Schlüssel ein und geben Sie das LLM -Modell an.
2. E -Mail -Datensammler ( EmailCollector
-Klasse):
Diese Klasse übernimmt die API -Authentifizierung und das Abrufen von ungelesenen E -Mails mit Google Mail.
3.. E -Mail -Extraktionstool ( extract_mail_tool
):
In diesem Crewai -Tool werden die mailDataGatherer
-Funktion verwendet, um E -Mail -Fächer und -körper abzurufen.
4. E -Mail -Kennzeichnungsfunktion ( push_mail_label
):
Diese Funktion übernimmt die kategorisierten E -Mail -Daten (vom Agenten) und wendet die entsprechenden Beschriftungen in Google Mail an.
5. Definieren des E -Mail -Sortieragenten ( sorter
):
Dieser Agent verwendet die extract_mail_tool
und seine Hintergrundgeschichte bietet dem LLM detaillierte Anweisungen zur Kategorisierung von E -Mails.
6. Definieren der Sortieraufgabe ( sort_task
):
Diese Aufgabe beschreibt die Schritte für den sorter
-Agenten.
7. Aktivierung der Crewai -Zusammenarbeit:
Erstellen Sie eine Crew
, um den Agenten und die Aufgabe zu organisieren. Führen Sie die Besatzung mit email_sorting_crew.kickoff()
aus und verwenden Sie push_mail_label
, um Google Mail -Labels zu aktualisieren.
Abschluss
Das agentenbasierte System von Crewai rationalisiert das E-Mail-Management erheblich. Durch die Nutzung von LLMs können Sie Aufgaben automatisieren und wertvolle Zeit zurückfordern. Experimentieren Sie mit dem Aufbau von anspruchsvolleren Agenten, um Ihren E -Mail -Workflow weiter zu verbessern.
Häufig gestellte Fragen (FAQs)
Die FAQs der ursprünglichen Eingabe werden in dieser überarbeiteten Ausgabe aufbewahrt. Die vollständige Liste der Fragen und Antworten finden Sie im Original.
Das obige ist der detaillierte Inhalt vonAutomatisierung der E -Mail -Sortierung und -bezeichnung mit Crewai - Analytics Vidhya. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen



Die Vibe -Codierung verändert die Welt der Softwareentwicklung, indem wir Anwendungen mit natürlicher Sprache anstelle von endlosen Codezeilen erstellen können. Inspiriert von Visionären wie Andrej Karpathy, lässt dieser innovative Ansatz Dev

Februar 2025 war ein weiterer bahnbrechender Monat für die Generative KI, die uns einige der am meisten erwarteten Modell-Upgrades und bahnbrechenden neuen Funktionen gebracht hat. Von Xais Grok 3 und Anthropics Claude 3.7 -Sonett, um g zu eröffnen

Yolo (Sie schauen nur einmal) war ein führender Echtzeit-Objekterkennungsrahmen, wobei jede Iteration die vorherigen Versionen verbessert. Die neueste Version Yolo V12 führt Fortschritte vor, die die Genauigkeit erheblich verbessern

Chatgpt 4 ist derzeit verfügbar und weit verbreitet, wodurch im Vergleich zu seinen Vorgängern wie ChatGPT 3.5 signifikante Verbesserungen beim Verständnis des Kontextes und des Generierens kohärenter Antworten zeigt. Zukünftige Entwicklungen können mehr personalisierte Inters umfassen

Der Artikel überprüft Top -KI -Kunstgeneratoren, diskutiert ihre Funktionen, Eignung für kreative Projekte und Wert. Es zeigt MidJourney als den besten Wert für Fachkräfte und empfiehlt Dall-E 2 für hochwertige, anpassbare Kunst.

Openais O1: Ein 12-tägiger Geschenkbummel beginnt mit ihrem bisher mächtigsten Modell Die Ankunft im Dezember bringt eine globale Verlangsamung, Schneeflocken in einigen Teilen der Welt, aber Openai fängt gerade erst an. Sam Altman und sein Team starten ein 12-tägiges Geschenk Ex

Gencast von Google Deepmind: Eine revolutionäre KI für die Wettervorhersage Die Wettervorhersage wurde einer dramatischen Transformation unterzogen, die sich von rudimentären Beobachtungen zu ausgefeilten AI-angetriebenen Vorhersagen überschreitet. Google DeepMinds Gencast, ein Bodenbrei

Der Artikel erörtert KI -Modelle, die Chatgpt wie Lamda, Lama und Grok übertreffen und ihre Vorteile in Bezug auf Genauigkeit, Verständnis und Branchenauswirkungen hervorheben. (159 Charaktere)
