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 应用程序推广到部署，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存在的语义主题和实体，并在 UI 或 PDF 报告中对其进行总结。

Pebblo 有两个组件。

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

本文档描述了如何使用 Pebblo 安全文档加载器来增强您现有的 Langchain DocumentLoader，以便深入了解摄取到 Gen-AI Langchain 应用程序中的主题和实体类型的数据可见性。有关 Pebblo Server 的详细信息，请参阅此 pebblo server 文档。

Pebblo Safeloader 为 Langchain DocumentLoader 启用安全数据摄取。这通过使用 Pebblo Safe DocumentLoader 包装文档加载器调用来完成。

注意：要在 pebblo 默认 URL (localhost:8000) 之外的其他 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 Langchain RAG 应用程序代码片段使用 CSVLoader 读取 CSV 文档以进行推理。

以下是使用 CSVLoader 加载文档的代码片段。

from langchain_community.document_loaders import CSVLoader

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

API 参考：CSVLoader

只需几行代码更改即可启用 Pebblo SafeLoader 到上述代码片段。

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。

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，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

匿名化代码片段以编辑掉所有 PII 详细信息

将 anonymize_snippets 设置为 True 以匿名化所有个人身份信息 (PII)，使其不进入 VectorDB 和生成的报告。

注意：Pebblo 实体分类器 有效地识别个人身份信息 (PII) 并且在不断发展。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

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