Pebblo 安全文档加载器
Pebblo 使开发者能够安全地加载数据,并在不担心组织的合规性和安全要求的情况下,将他们的生成 AI 应用程序推广到部署。该项目识别加载数据中的语义主题和实体,并在用户界面或 PDF 报告中对其进行总结。
Pebblo 有两个组件。
- LangChain 的 Pebblo 安全文档加载器
- Pebblo 服务器
本文档描述了如何使用 Pebblo 安全文档加载器增强您现有的 LangChain 文档加载器,以深入了解输入到生成 AI LangChain 应用程序中的主题和实体类型。有关 Pebblo 服务器
的详细信息,请参见此 pebblo server 文档。
Pebblo 安全加载器为 LangChain 的 DocumentLoader
提供安全的数据摄取。这是通过用 Pebblo 安全文档加载器
包装文档加载器调用来实现的。
注意:要在 Pebblo 的默 认 URL(localhost:8000)以外的某个 URL 上配置 Pebblo 服务器,请将正确的 URL 放入 PEBBLO_CLASSIFIER_URL
环境变量中。这也可以使用 classifier_url
关键字参数进行配置。参考:server-configurations
如何启用 Pebblo 文档加载?
假设一个使用 CSVLoader
读取 CSV 文档进行推理的 LangChain RAG 应用程序代码片段。
这是使用 CSVLoader
加载文档的代码片段。
<!--IMPORTS:[{"imported": "CSVLoader", "source": "langchain_community.document_loaders", "docs": "https://python.langchain.com/api_reference/community/document_loaders/langchain_community.document_loaders.csv_loader.CSVLoader.html", "title": "Pebblo Safe DocumentLoader"}]-->
from langchain_community.document_loaders import CSVLoader
loader = CSVLoader("data/corp_sens_data.csv")
documents = loader.load()
print(documents)
Pebblo SafeLoader 可以通过对上述代码片段进行少量代码更改来启用。
<!--IMPORTS:[{"imported": "CSVLoader", "source": "langchain_community.document_loaders", "docs": "https://python.langchain.com/api_reference/community/document_loaders/langchain_community.document_loaders.csv_loader.CSVLoader.html", "title": "Pebblo Safe DocumentLoader"}, {"imported": "PebbloSafeLoader", "source": "langchain_community.document_loaders", "docs": "https://python.langchain.com/api_reference/community/document_loaders/langchain_community.document_loaders.pebblo.PebbloSafeLoader.html", "title": "Pebblo Safe DocumentLoader"}]-->
from langchain_community.document_loaders import CSVLoader, PebbloSafeLoader
loader = PebbloSafeLoader(
CSVLoader("data/corp_sens_data.csv"),
name="acme-corp-rag-1", # App name (Mandatory)
owner="Joe Smith", # Owner (Optional)
description="Support productivity RAG application", # Description (Optional)
)
documents = loader.load()
print(documents)
将语义主题和身份发送到 Pebblo 云服务器
要将语义数据发送到 pebblo-cloud,请将 api-key 作为参数传递给 PebbloSafeLoader,或者将 api-key 放入 PEBBLO_API_KEY
环境变量中。
<!--IMPORTS:[{"imported": "CSVLoader", "source": "langchain_community.document_loaders", "docs": "https://python.langchain.com/api_reference/community/document_loaders/langchain_community.document_loaders.csv_loader.CSVLoader.html", "title": "Pebblo Safe DocumentLoader"}, {"imported": "PebbloSafeLoader", "source": "langchain_community.document_loaders", "docs": "https://python.langchain.com/api_reference/community/document_loaders/langchain_community.document_loaders.pebblo.PebbloSafeLoader.html", "title": "Pebblo Safe DocumentLoader"}]-->
from langchain_community.document_loaders import CSVLoader, PebbloSafeLoader
loader = PebbloSafeLoader(
CSVLoader("data/corp_sens_data.csv"),
name="acme-corp-rag-1", # App name (Mandatory)
owner="Joe Smith", # Owner (Optional)
description="Support productivity RAG application", # Description (Optional)
api_key="my-api-key", # API key (Optional, can be set in the environment variable PEBBLO_API_KEY)
)
documents = loader.load()
print(documents)
将语义主题和身份添加到加载的元数据
要将语义主题和语义实体添加到加载文档的元数据中,请将 load_semantic 设置为 True 作为参数,或者定义一个新的环境变量 PEBBLO_LOAD_SEMANTIC
,并将其设置为 True。
<!--IMPORTS:[{"imported": "CSVLoader", "source": "langchain_community.document_loaders", "docs": "https://python.langchain.com/api_reference/community/document_loaders/langchain_community.document_loaders.csv_loader.CSVLoader.html", "title": "Pebblo Safe DocumentLoader"}, {"imported": "PebbloSafeLoader", "source": "langchain_community.document_loaders", "docs": "https://python.langchain.com/api_reference/community/document_loaders/langchain_community.document_loaders.pebblo.PebbloSafeLoader.html", "title": "Pebblo Safe DocumentLoader"}]-->
from langchain_community.document_loaders import CSVLoader, PebbloSafeLoader
loader = PebbloSafeLoader(
CSVLoader("data/corp_sens_data.csv"),
name="acme-corp-rag-1", # App name (Mandatory)
owner="Joe Smith", # Owner (Optional)
description="Support productivity RAG application", # Description (Optional)
api_key="my-api-key", # API key (Optional, can be set in the environment variable PEBBLO_API_KEY)
load_semantic=True, # Load semantic data (Optional, default is False, can be set in the environment variable PEBBLO_LOAD_SEMANTIC)
)
documents = loader.load()
print(documents[0].metadata)
匿名化片段以删除所有个人身份信息 (PII) 细节
将 anonymize_snippets
设置为 True
以从进入 VectorDB 和生成报告的片段中匿名化所有个人身份信息 (PII)。
注意:Pebblo 实体分类器 有效识别个人身份信息 (PII),并在不断发展。虽然其召回率尚未达到 100%,但正在稳步提高。 有关更多详细信息,请参阅 Pebblo 实体分类器文档
<!--IMPORTS:[{"imported": "CSVLoader", "source": "langchain_community.document_loaders", "docs": "https://python.langchain.com/api_reference/community/document_loaders/langchain_community.document_loaders.csv_loader.CSVLoader.html", "title": "Pebblo Safe DocumentLoader"}, {"imported": "PebbloSafeLoader", "source": "langchain_community.document_loaders", "docs": "https://python.langchain.com/api_reference/community/document_loaders/langchain_community.document_loaders.pebblo.PebbloSafeLoader.html", "title": "Pebblo Safe DocumentLoader"}]-->
from langchain_community.document_loaders import CSVLoader, PebbloSafeLoader
loader = PebbloSafeLoader(
CSVLoader("data/corp_sens_data.csv"),
name="acme-corp-rag-1", # App name (Mandatory)
owner="Joe Smith", # Owner (Optional)
description="Support productivity RAG application", # Description (Optional)
anonymize_snippets=True, # Whether to anonymize entities in the PDF Report (Optional, default=False)
)
documents = loader.load()
print(documents[0].metadata)