Pebblo 安全文档加载器

Pebblo 使开发人员能够安全地加载数据并将其 Gen AI 应用程序提升到部署阶段，而无需担心组织的合规性和安全要求。该项目识别加载数据中发现的语义主题和实体，并在 UI 或 PDF 报告中对其进行总结。

Pebblo 有两个组件。

1. 适用于 Langchain 的 Pebblo 安全文档加载器
2. Pebblo 服务器

本文档介绍如何使用 Pebblo 安全文档加载器增强您现有的 Langchain 文档加载器，以获取有关摄取到 Gen-AI Langchain 应用程序中的主题和实体类型的深入数据可见性。有关Pebblo 服务器的详细信息，请参阅此pebblo 服务器 文档。

Pebblo Safeloader 为 Langchain DocumentLoader 启用安全数据摄取。这是通过使用Pebblo 安全文档加载器包装文档加载器调用来完成的。

注意：要在除 Pebblo 的默认 (localhost:8000) URL 之外的某个 URL 上配置 Pebblo 服务器，请在PEBBLO_CLASSIFIER_URL环境变量中放置正确的 URL。这也可以使用classifier_url关键字参数进行配置。参考：服务器配置

如何启用 Pebblo 文档加载？

假设一个使用CSVLoader读取 CSV 文档以进行推理的 Langchain RAG 应用程序片段。

这是使用CSVLoader进行文档加载的片段。

from langchain_community.document_loaders import CSVLoader

loader = CSVLoader("data/corp_sens_data.csv")
documents = loader.load()
print(documents)

API 参考：CSVLoader

Pebblo SafeLoader 可以通过对上述代码片段进行少量代码更改来启用。

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)

API 参考：CSVLoader | PebbloSafeLoader

将语义主题和标识发送到 Pebblo 云服务器

要将语义数据发送到 Pebblo 云，请将 api 密钥作为参数传递给 PebbloSafeLoader，或者将其放在PEBBLO_API_KEY环境变量中。

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)

API 参考：CSVLoader | PebbloSafeLoader

将语义主题和标识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。

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)

API 参考：CSVLoader | PebbloSafeLoader

匿名化代码段以删除所有 PII 详细信息

将anonymize_snippets设置为True以匿名化进入 VectorDB 和生成的报告中的所有个人身份信息 (PII)。

注意：Pebblo 实体分类器有效地识别个人身份信息 (PII) 并且正在不断发展。虽然其召回率尚未达到 100%，但它正在稳步提高。有关更多详细信息，请参阅Pebblo 实体分类器文档

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)

API 参考：CSVLoader | PebbloSafeLoader

相关

• 文档加载器概念指南
• 文档加载器操作指南