initial commit with first prototype

.dockerignore

@@ -0,0 +1,3 @@
+__pycache__/
+*.pyc
+.env

.gitignore

@@ -0,0 +1 @@
+.env

Dockerfile

@@ -0,0 +1,19 @@
+# 1. Use a lightweight Python image
+FROM python:3.12-slim
+
+# 2. Environment settings
+ENV PYTHONUNBUFFERED=1
+ENV PIP_NO_CACHE_DIR=1
+
+# 3. Set working directory inside the container
+WORKDIR /app
+
+# 4. Copy and install dependencies first (better caching)
+COPY requirements.txt .
+RUN pip install -r requirements.txt
+
+# 5. Copy all your app files into the container
+COPY . .
+
+# 6. Set the default command to run your script
+ENTRYPOINT ["python", "job_suggestor.py"]

already_suggested_companies.txt

@@ -0,0 +1 @@
+Bereits vorgeschlagene Unternehmen

cv_sebastian_egli.txt

@@ -0,0 +1,127 @@
+Dr. SebastianEgli
+
+Geoinformatiker
+
+Person
+Geb: 18.01.1986
+Nat: Deutsch, Schweiz
+
+Adresse
+A. d. Schülerhecke 13
+35037 Marburg
+Deutschland
+
+Tel & E-Mail
++49 174 2465052
+seb.egli@gmail.com
+
+Schwerpunkte
+Business Intelligence
+Datenanalyse
+Erdbeobachtung (EO)
+Maschinelles Lernen
+Agrarmodellierung
+Klimatologie
+
+Werkzeuge
+QGIS, GDAL, OGR
+Pandas, Numpy
+Xarray, Satpy
+Scikit-learn
+Tensorflow, Mxnet
+Open Data Cube
+STAC, ERPNext
+airtable, metabase
+n8n, Kobo, Python
+Java, R, Kotlin
+
+Sprachen
+Deutsch
+Englisch
+Französisch
+
+Berufserfahrung
+01/14 - heute Mitgründer & Entwickler
+Bridgesoft GbR, Marburg, Deutschland
+Entwicklung mobiler Anwendungen für mittelständische Unternehmen. Part-
+ner: PC Gärtner GmbH, Ökobox-Online, Bosshammersch Hof, Infralytic
+GmbH
+
+09/22 - 07/25 Chief Data Scientist
+agriBORA GmbH, Deutschland/Kenia
+Teamleitung, Projekt- und Produktkonzeption, Landwirtschaftliches Moni-
+toring und Modellierung, satellitengestützte Feldflächenerkennung,
+Ertragsprognose, Kreditbewertung mittels maschinellem Lernen
+
+11/19 - 08/22 Wissenschaftlicher Mitarbeiter LCRS, Philipps-Universität Marburg, Deutschland
+Atmosphärische Fernerkundung, Softwareentwicklung für Lehrzwecke in
+der Atmosphärenwissenschaft, Entwicklung von Anwendungen für das
+Waldmanagement mittels UAV-Einsatz, Maschinelles Lernen
+
+06/15 - 05/19 Wissenschaftlicher Mitarbeiter LCRS, Philipps-Universität Marburg, Deutschland
+Erkennung von Wolken und Nebel in geostationären Satellitendaten, Ent-
+wicklung von Fernerkundungsalgorithmen, Integration von Anwendungen
+des maschinellen Lernens
+
+03/13 - 01/14 Wissenschaftlicher Mitarbeiter LCRS, Philipps-Universität Marburg, Deutschland
+Untersuchung der vertikalen Verteilung mikrophysikalischer Eigenschaften
+in Strahlungsnebeln mittels Radarprofilierung und ballongetragenen Profil-
+messungen.
+
+05/11 - 01/13 Studentische Hilfskraft
+LCRS, Philipps-Universität Marburg, Deutschland
+Satellitendatenakquise, Verwaltung operationeller Stationsdaten der Mar-
+burger Ground Truth- und Profiling-Station, Entwicklung von Werkzeugen
+zur automatischen Datenkonvertierung verschiedener atmosphärischer
+Messinstrumente.
+
+02/11 - 04/11 Praktikant
+Deutscher Wetterdienst (DWD), Offenbach, Deutschland
+Erfassung verfügbarer In-situ-Hageldaten beim DWD, Durchführbarkeits-
+analyse einer Hagelklimatologie, Analyse räumlich-zeitlicher Variationen
+der Hagelhäufigkeit und Erstellung von Hagelrisikokarten.
+
+02/09 - 04/09 Praktikant
+Bundesamt für Kartographie und Geodäsie (BKG), Frankfurt, Deutschland
+Entwicklung eines digitalen Landschaftsmodells (Maßstab: 1:1.000.000)
+auf Grundlage der beim BKG verwendeten digitalen topografischen Kar-
+tenbasis.
+
+Preise
+10/20 Wissenschaftspreis 2019
+Industrie- und Handelskammer Kassel-Marburg
+Der Preis wird zur Würdigung herausragender Dissertationen verliehen, die
+eine hohe Relevanz für wirtschaftliche Fragestellungen aufweisen.
+Verliehen für die Dissertation: “Satellite-Based Fog Detection: A Dynamic
+Retrieval Method for Europe Based on Machine Learning“
+
+Ausbildung
+06/15 - 05/19 Promotion in Geographie
+LCRS, Philipps-Universität Marburg, Deutschland
+Hauptthemen: Nebelerkennung, satellitengestützte Fernerkundung,
+maschinelles Lernen
+Titel der Dissertation: “Satellite-Based Fog Detection: A Dynamic Retrieval
+Method for Europe Based on Machine Learning“ (Note: 1,0)
+
+10/10 - 01/13 M.Sc. Umweltgeographie
+Philipps-Universität Marburg, Deutschland
+Hauptfach: Physische Geographie
+Nebenfach: Informatik
+Titel der Masterarbeit: “The influence of drop size distributions on the rela-
+tionship between liquid water content and radar reflectivity“ (Note: 15,0)
+
+10/08 - 09/10 B.Sc. Geographie
+Philipps-Universität Marburg, Deutschland
+Hauptfach: Physische Geographie
+Nebenfächer: Geologie & Informatik
+Zusätzliches Modul: Friedens- und Konfliktforschung
+Titel der Bachelorarbeit: “Validation of the simulation results of the winter
+storm Kyrill“ (Note: 13,0)
+
+08/06 - 07/08 Bachelorstudium in Geographie Universität Zürich, Schweiz
+Hauptfächer: Kartographie, Klimatologie & GIS
+
+09/96 - 07/05 Weiterführende Schule Klettgau-Gymnasium Tiengen, Deutschland
+Abschluss: Abitur (Note: 11,0)
+
+09/92 - 07/96 Grundschule Grundschule Kadelburg, Deutschland

job_suggestor.ipynb

@@ -0,0 +1,164 @@
+{
+ "cells": [
+  {
+   "cell_type": "code",
+   "execution_count": 1,
+   "id": "cc3d4ef7",
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "from google import genai\n",
+    "from google.genai import types\n",
+    "from datetime import datetime\n",
+    "from pydantic import BaseModel\n",
+    "import os\n",
+    "\n",
+    "class JobSuggestion(BaseModel):\n",
+    "    company_name: str\n",
+    "    company_description: str\n",
+    "    job_title: str\n",
+    "    application_text: str\n",
+    "\n",
+    "# Load CV from file\n",
+    "with open(\"cv_sebastian_egli.txt\", \"r\", encoding=\"utf-8\") as f:\n",
+    "    cv = f.read()\n",
+    "\n",
+    "# Load already suggested companies from file (to avoid duplicates)\n",
+    "with open(\"already_suggested_companies.txt\", \"r\", encoding=\"utf-8\") as f:\n",
+    "    already_suggested_companies = f.read()\n",
+    "\n",
+    "# Define boolean for even-numbered days (I want to switch un/solicited every day)\n",
+    "today =   datetime.today()\n",
+    "unsolicited_application = today.day % 2 == 0\n",
+    "\n",
+    "if unsolicited_application:\n",
+    "    query = [\"\"\"Analysiere meinen Lebenslauf (cv) und die Liste bereits vorgeschlagener Unternehmen (already_suggested_companies). \n",
+    "Schlage mir genau ein Unternehmen in der Nähe von Marburg vor, das noch nicht in already_suggested_companies enthalten ist \n",
+    "und für eine Initiativbewerbung besonders gut zu meinem Profil passt. \n",
+    "\n",
+    "Erkläre in maximal 150 Wörtern prägnant, warum dieses Unternehmen eine besonders gute Wahl für mich wäre. \n",
+    "Formuliere die Antwort als kurze, professionelle Email mit dem Titel: 'Neuer Jobvorschlag'. \n",
+    "Begründe die Eignung anhand meiner Qualifikationen und Interessen. \n",
+    "Füge außerdem einen einzelnen Satz hinzu, der direkt in einem Bewerbungsschreiben genutzt werden könnte, \n",
+    "um die Übereinstimmung zwischen mir und dem Unternehmen hervorzuheben. \n",
+    "\n",
+    "Liefere nur die Email, keine zusätzliche Erklärung.\"\"\",already_suggested_companies,cv]\n",
+    "else:\n",
+    "    query = [\"\"\"Analysiere meinen Lebenslauf (cv) und die Liste bereits vorgeschlagener Unternehmen (already_suggested_companies). \n",
+    "Schlage mir genau eine aktuell offene Stellenausschreibung in der Nähe von Marburg vor für ein Unternehmen, das noch nicht in already_suggested_companies enthalten ist \n",
+    "und die besonders gut zu meinem Profil passt. \n",
+    "\n",
+    "Erkläre in maximal 150 Wörtern prägnant, warum diese Stelle eine besonders gute Wahl für mich wäre. \n",
+    "Formuliere die Antwort als kurze, professionelle Email mit dem Titel: 'Neuer Jobvorschlag'. \n",
+    "Begründe die Eignung anhand meiner Qualifikationen und Interessen. \n",
+    "Füge außerdem einen einzelnen Satz hinzu, der direkt in einem Bewerbungsschreiben genutzt werden könnte, \n",
+    "um die Übereinstimmung zwischen mir und der ausgeschriebenen Stelle hervorzuheben. \n",
+    "\n",
+    "Liefere nur die Email, keine zusätzliche Erklärung.\"\"\",already_suggested_companies,cv]"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 2,
+   "id": "7c68f66d",
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "api_key = os.environ.get(\"GEMINI_API_KEY\")\n",
+    "\n",
+    "client = genai.Client(api_key=api_key)\n",
+    "\n",
+    "# Step 1: grounded search (necessary for live web search)\n",
+    "resp_grounded = client.models.generate_content(\n",
+    "    model=\"gemini-2.5-flash\",\n",
+    "    contents=query,\n",
+    "    config=types.GenerateContentConfig(\n",
+    "        tools=[types.Tool(google_search=types.GoogleSearch())]\n",
+    "    ),\n",
+    ")\n",
+    "\n",
+    "grounded_answer = resp_grounded.text  # freeform answer"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 3,
+   "id": "fe54c9a2",
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "# Step 2: convert to JSON\n",
+    "resp_json = client.models.generate_content(\n",
+    "    model=\"gemini-2.5-flash\",\n",
+    "    contents=f\"Turn this answer into JSON: {grounded_answer}\",\n",
+    "    config=types.GenerateContentConfig(\n",
+    "        response_mime_type=\"application/json\",\n",
+    "        response_schema=JobSuggestion,\n",
+    "    ),\n",
+    ")"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "id": "476ae4e4",
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "# Append the response to already_suggested_companies.txt\n",
+    "with open(\"already_suggested_companies.txt\", \"a\", encoding=\"utf-8\") as f:\n",
+    "    f.write(\"\\n\" + resp_json.parsed.company_name)"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 5,
+   "id": "c3d72c4f",
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "import smtplib\n",
+    "from email.mime.text import MIMEText\n",
+    "\n",
+    "gmail_key = os.environ.get(\"GMAIL_PW\")\n",
+    "\n",
+    "# Account details\n",
+    "sender = \"seb.egli@gmail.com\"\n",
+    "recipient = \"seb.egli@gmail.com\"\n",
+    "password = gmail_key\n",
+    "\n",
+    "# Create email\n",
+    "msg = MIMEText(grounded_answer)\n",
+    "msg[\"From\"] = sender\n",
+    "msg[\"To\"] = recipient\n",
+    "msg[\"Subject\"] = \"Neuer Jobvorschlag\"\n",
+    "\n",
+    "# Send email using Gmail's SMTP\n",
+    "with smtplib.SMTP_SSL(\"smtp.gmail.com\", 465) as server:\n",
+    "    server.login(sender, password)\n",
+    "    server.sendmail(sender, recipient, msg.as_string())"
+   ]
+  }
+ ],
+ "metadata": {
+  "kernelspec": {
+   "display_name": "odc-landsat",
+   "language": "python",
+   "name": "python3"
+  },
+  "language_info": {
+   "codemirror_mode": {
+    "name": "ipython",
+    "version": 3
+   },
+   "file_extension": ".py",
+   "mimetype": "text/x-python",
+   "name": "python",
+   "nbconvert_exporter": "python",
+   "pygments_lexer": "ipython3",
+   "version": "3.13.0"
+  }
+ },
+ "nbformat": 4,
+ "nbformat_minor": 5
+}

job_suggestor.py

@@ -0,0 +1,100 @@
+from google import genai
+from google.genai import types
+from datetime import datetime
+from pydantic import BaseModel
+import smtplib
+from email.mime.text import MIMEText
+import os
+
+# Load keys from environment variables
+api_key = os.environ.get("GEMINI_API_KEY")
+gmail_key = os.environ.get("GMAIL_PW")
+
+class JobSuggestion(BaseModel):
+    company_name: str
+    company_description: str
+    job_title: str
+    application_text: str
+
+# Load CV from file
+with open("cv_sebastian_egli.txt", "r", encoding="utf-8") as f:
+    cv = f.read()
+
+# Load already suggested companies from file (to avoid duplicates)
+with open("already_suggested_companies.txt", "r", encoding="utf-8") as f:
+    already_suggested_companies = f.read()
+
+# Define boolean for even-numbered days (I want to switch un/solicited every day)
+today =   datetime.today()
+unsolicited_application = today.day % 2 == 0
+
+if unsolicited_application:
+    query = ["""Analysiere meinen Lebenslauf (cv) und die Liste bereits vorgeschlagener Unternehmen (already_suggested_companies). 
+Schlage mir genau ein Unternehmen in der Nähe von Marburg vor, das noch nicht in already_suggested_companies enthalten ist 
+und für eine Initiativbewerbung besonders gut zu meinem Profil passt. 
+
+Erkläre in maximal 150 Wörtern prägnant, warum dieses Unternehmen eine besonders gute Wahl für mich wäre. 
+Formuliere die Antwort als kurze, professionelle Email mit dem Titel: 'Neuer Jobvorschlag'. 
+Begründe die Eignung anhand meiner Qualifikationen und Interessen. 
+Füge außerdem einen einzelnen Satz hinzu, der direkt in einem Bewerbungsschreiben genutzt werden könnte, 
+um die Übereinstimmung zwischen mir und dem Unternehmen hervorzuheben. 
+
+Liefere nur die Email, keine zusätzliche Erklärung.""",already_suggested_companies,cv]
+else:
+    query = ["""Analysiere meinen Lebenslauf (cv) und die Liste bereits vorgeschlagener Unternehmen (already_suggested_companies). 
+Schlage mir genau eine aktuell offene Stellenausschreibung in der Nähe von Marburg vor für ein Unternehmen, das noch nicht in already_suggested_companies enthalten ist 
+und die besonders gut zu meinem Profil passt. 
+
+Erkläre in maximal 150 Wörtern prägnant, warum diese Stelle eine besonders gute Wahl für mich wäre. 
+Formuliere die Antwort als kurze, professionelle Email mit dem Titel: 'Neuer Jobvorschlag'. 
+Begründe die Eignung anhand meiner Qualifikationen und Interessen. 
+Füge außerdem einen einzelnen Satz hinzu, der direkt in einem Bewerbungsschreiben genutzt werden könnte, 
+um die Übereinstimmung zwischen mir und der ausgeschriebenen Stelle hervorzuheben. 
+
+Liefere nur die Email, keine zusätzliche Erklärung.""",already_suggested_companies,cv]
+
+# Get response from Gemini
+# Initialize Gemini client
+client = genai.Client(api_key=api_key)
+
+# Step 1: grounded search (necessary for live web search)
+resp_grounded = client.models.generate_content(
+    model="gemini-2.5-flash",
+    contents=query,
+    config=types.GenerateContentConfig(
+        tools=[types.Tool(google_search=types.GoogleSearch())]
+    ),
+)
+
+grounded_answer = resp_grounded.text  # freeform answer
+
+# Step 2: convert to JSON
+resp_json = client.models.generate_content(
+    model="gemini-2.5-flash",
+    contents=f"Turn this answer into JSON: {grounded_answer}",
+    config=types.GenerateContentConfig(
+        response_mime_type="application/json",
+        response_schema=JobSuggestion,
+    ),
+)
+
+# Append the response to already_suggested_companies.txt
+with open("already_suggested_companies.txt", "a", encoding="utf-8") as f:
+    f.write("\n" + resp_json.parsed.company_name)
+
+# Send email with the suggestion
+# Account details
+sender = "seb.egli@gmail.com"
+recipient = "seb.egli@gmail.com"
+password = gmail_key
+
+# Create email
+msg = MIMEText(grounded_answer)
+msg["From"] = sender
+msg["To"] = recipient
+msg["Subject"] = "Neuer Jobvorschlag"
+
+# Send email using Gmail's SMTP
+with smtplib.SMTP_SSL("smtp.gmail.com", 465) as server:
+    server.login(sender, password)
+    server.sendmail(sender, recipient, msg.as_string())

requirements.txt

@@ -0,0 +1,2 @@
+google-genai
+pydantic