工具概览
ProfEmail 是自主的、单命令的博士申请联系与研究匹配助手。它由 Python、Django、Google Sheets（gspread）和 Google Gemini LLM 驱动。系统以一个 Google Sheet 作为唯一事实来源，自动识别候选教授，强制执行院系并发锁，从 Google Scholar 抓取经过验证的论文，并根据自定义个人资料合成个性化的陌生邮件。它会把草稿和研究摘要写回电子表格。
该智能体强制执行学术方面的约束：正式语气、不超过 150 词的简洁草稿、提及随附的简历和成绩单、1 到 10 分的校准契合度评分，以及经过验证的论文引用。它抓取目标教授的 Google Scholar 主页，获取经验证的近期论文，优先考虑 2025 和 2026 年的。它可以逐位或批量处理教授，同时动态更新分组锁。
设置包括克隆仓库、创建 Python 虚拟环境、自定义 PROFILE_INSTRUCTIONS.md、配置 Google Cloud 服务账号凭据、与服务账号共享 Google Sheet，以及设置环境变量。用户运行 draft_next 等 Django 管理命令，以获取符合条件的教授、抓取论文、生成草稿并更新表格。该工具通过一次 API 调用写回 Pipeline Status、LLM Research Summary、LLM Fit Score、Email Subject 和 Email Draft。
定价
价格与限制可能变化，请以官网为准，并确认币种、付款周期、最低席位数和用量上限。
应用场景
- 博士申请者用 ProfEmail 根据自定义个人资料向教授生成个性化的陌生邮件。
- 用户用 ProfEmail 从教授的 Google Scholar 主页抓取经验证的近期论文。
- 用户用 ProfEmail 避免同时联系同一院系或研究组的多位教授。
- 用户用 ProfEmail 批量处理多位教授，同时动态更新分组锁。
- 用户用 ProfEmail 把研究摘要、契合度评分、邮件主题和草稿写回 Google Sheet。
- 用户用 ProfEmail 按国家和表格行范围筛选符合条件的教授。
功能特性
自动生成个性化教授联系邮件
面向博士申请中的教授联系场景
使用 Google Sheets 数据
结合 Google Scholar 使用
基于 Django 和 Gemini 构建
用户评论
还没有评论，来分享你的使用体验吧