跳至主要內容

LangSmithLoader

本筆記本提供 LangSmith 文件載入器 的快速入門概述。如需所有 LangSmithLoader 功能和配置的詳細文件，請前往 API 參考。

概述​

整合詳細資訊​

類別套件本地可序列化JS 支援
LangSmithLoaderlangchain-core❌❌❌

載入器功能​

來源延遲載入原生非同步
LangSmithLoader✅❌

設定​

若要存取 LangSmith 文件載入器，您需要安裝 langchain-core、建立 LangSmith 帳戶並取得 API 金鑰。

憑證​

在 https://langsmith.com 註冊並產生 API 金鑰。完成後，設定 LANGSMITH_API_KEY 環境變數

import getpass
import os

if not os.environ.get("LANGSMITH_API_KEY"):
    os.environ["LANGSMITH_API_KEY"] = getpass.getpass("Enter your LangSmith API key: ")

如果您想要取得自動化的最佳追蹤，您也可以開啟 LangSmith 追蹤

# os.environ["LANGSMITH_TRACING"] = "true"

安裝​

安裝 langchain-core

%pip install -qU langchain-core

複製範例資料集​

在此範例中，我們將複製並載入公開的 LangSmith 資料集。複製會在我們的個人 LangSmith 帳戶上建立此資料集的副本。您只能載入您擁有個人副本的資料集。

from langsmith import Client as LangSmithClient

ls_client = LangSmithClient()

dataset_name = "LangSmith Few Shot Datasets Notebook"
dataset_public_url = (
    "https://smith.langchain.com/public/55658626-124a-4223-af45-07fb774a6212/d"
)

ls_client.clone_public_dataset(dataset_public_url)

初始化​

現在我們可以實例化我們的文件載入器並載入文件

from langchain_core.document_loaders import LangSmithLoader

loader = LangSmithLoader(
    dataset_name=dataset_name,
    content_key="question",
    limit=50,
    # format_content=...,
    # ...
)
API 參考：LangSmithLoader

載入​

docs = loader.load()
print(docs[0].page_content)
Show me an example using Weaviate, but customizing the vectorStoreRetriever to return the top 10 k nearest neighbors.
print(docs[0].metadata["inputs"])
{'question': 'Show me an example using Weaviate, but customizing the vectorStoreRetriever to return the top 10 k nearest neighbors. '}
print(docs[0].metadata["outputs"])
{'answer': 'To customize the Weaviate client and return the top 10 k nearest neighbors, you can utilize the `as_retriever` method with the appropriate parameters. Here\'s how you can achieve this:\n\n\`\`\`python\n# Assuming you have imported the necessary modules and classes\n\n# Create the Weaviate client\nclient = weaviate.Client(url=os.environ["WEAVIATE_URL"], ...)\n\n# Initialize the Weaviate wrapper\nweaviate = Weaviate(client, index_name, text_key)\n\n# Customize the client to return top 10 k nearest neighbors using as_retriever\ncustom_retriever = weaviate.as_retriever(\n    search_type="similarity",\n    search_kwargs={\n        \'k\': 10  # Customize the value of k as needed\n    }\n)\n\n# Now you can use the custom_retriever to perform searches\nresults = custom_retriever.search(query, ...)\n\`\`\`'}
list(docs[0].metadata.keys())
['dataset_id',
 'inputs',
 'outputs',
 'metadata',
 'id',
 'created_at',
 'modified_at',
 'runs',
 'source_run_id']

延遲載入​

page = []
for doc in loader.lazy_load():
    page.append(doc)
    if len(page) >= 10:
        # do some paged operation, e.g.
        # index.upsert(page)
        # page = []
        break
len(page)
10

API 參考​

如需所有 LangSmithLoader 功能和配置的詳細文件，請前往 API 參考：https://langchain-python.dev.org.tw/api_reference/core/document_loaders/langchain_core.document_loaders.langsmith.LangSmithLoader.html

此頁面是否有幫助？