BoxRetriever
这将帮助您开始使用 Box 检索器。有关所有 BoxRetriever 功能和配置的详细文档,请参阅API 参考。
概述
BoxRetriever
类可帮助您从 Box 中获取非结构化内容,并转换为 Langchain 的 Document
格式。您可以通过基于全文搜索来查找文件,或者使用 Box AI 检索包含针对文件进行 AI 查询结果的 Document
。这需要包含一个 List[str]
,其中包含 Box 文件 ID,例如 ["12345","67890"]
Box AI 需要企业增强版许可证
没有文本表示的文件将被跳过。
集成详情
1: 自带数据(即,索引和搜索自定义文档语料库)
检索器 | 自托管 | 云服务 | 包 |
---|---|---|---|
BoxRetriever | ❌ | ✅ | langchain-box |
设置
为了使用 Box 软件包,您需要准备以下几项:
- 一个 Box 帐户 — 如果您不是当前的 Box 客户或想在您的生产 Box 实例之外进行测试,您可以使用一个免费开发者帐户。
- 一个 Box 应用 — 这在开发者控制台中配置,对于 Box AI,必须启用
Manage AI
范围。您还将在此处选择您的身份验证方法 - 该应用必须由管理员启用。对于免费开发者帐户,这是注册该帐户的人。
凭证
对于这些示例,我们将使用令牌认证。这可以与任何身份验证方法一起使用。只需通过任何方法获取令牌即可。如果您想了解如何将其他身份验证类型与 langchain-box
一起使用,请访问 Box 提供商文档。
import getpass
import os
box_developer_token = getpass.getpass("Enter your Box Developer Token: ")
如果您想获取单个查询的自动化追踪,您还可以通过取消注释下方内容来设置您的 LangSmith API 密钥。
# os.environ["LANGSMITH_API_KEY"] = getpass.getpass("Enter your LangSmith API key: ")
# os.environ["LANGSMITH_TRACING"] = "true"
安装
该检索器位于 langchain-box
软件包中
%pip install -qU langchain-box
Note: you may need to restart the kernel to use updated packages.
实例化
现在我们可以实例化我们的检索器
搜索
from langchain_box import BoxRetriever
retriever = BoxRetriever(box_developer_token=box_developer_token)
为了更细粒度的搜索,我们提供了一系列选项来帮助您筛选结果。这结合使用了 langchain_box.utilities.SearchOptions
,以及 langchain_box.utilities.SearchTypeFilter
和 langchain_box.utilities.DocumentFiles
枚举,以根据创建日期、要搜索文件的哪个部分,甚至将搜索范围限制到特定文件夹等内容进行过滤。
欲了解更多信息,请查阅API 参考。
from langchain_box.utilities import BoxSearchOptions, DocumentFiles, SearchTypeFilter
box_folder_id = "260931903795"
box_search_options = BoxSearchOptions(
ancestor_folder_ids=[box_folder_id],
search_type_filter=[SearchTypeFilter.FILE_CONTENT],
created_date_range=["2023-01-01T00:00:00-07:00", "2024-08-01T00:00:00-07:00,"],
k=200,
size_range=[1, 1000000],
updated_data_range=None,
)
retriever = BoxRetriever(
box_developer_token=box_developer_token, box_search_options=box_search_options
)
retriever.invoke("AstroTech Solutions")
[Document(metadata={'source': 'https://dl.boxcloud.com/api/2.0/internal_files/1514555423624/versions/1663171610024/representations/extracted_text/content/', 'title': 'Invoice-A5555_txt'}, page_content='Vendor: AstroTech Solutions\nInvoice Number: A5555\n\nLine Items:\n - Gravitational Wave Detector Kit: $800\n - Exoplanet Terrarium: $120\nTotal: $920')]
Box AI
from langchain_box import BoxRetriever
box_file_ids = ["1514555423624", "1514553902288"]
retriever = BoxRetriever(
box_developer_token=box_developer_token, box_file_ids=box_file_ids
)
使用
query = "What was the most expensive item purchased"
retriever.invoke(query)
[Document(metadata={'source': 'Box AI', 'title': 'Box AI What was the most expensive item purchased'}, page_content='The most expensive item purchased is the **Gravitational Wave Detector Kit** from AstroTech Solutions, which costs **$800**.')]
引用
结合 Box AI 和 BoxRetriever
,您可以返回对您提示的回答,返回 Box 用于获取该回答的引用,或者两者都返回。无论您选择如何使用 Box AI,检索器都会返回一个 List[Document]
对象。我们通过两个 bool
参数提供这种灵活性,即 answer
和 citations
。answer
默认为 True
,citations
默认为 False
,因此如果您只想要答案,可以省略两者。如果您两者都需要,只需包含 citations=True
即可;如果您只想要引用,则应包含 answer=False
和 citations=True
获取两者
retriever = BoxRetriever(
box_developer_token=box_developer_token, box_file_ids=box_file_ids, citations=True
)
retriever.invoke(query)
[Document(metadata={'source': 'Box AI', 'title': 'Box AI What was the most expensive item purchased'}, page_content='The most expensive item purchased is the **Gravitational Wave Detector Kit** from AstroTech Solutions, which costs **$800**.'),
Document(metadata={'source': 'Box AI What was the most expensive item purchased', 'file_name': 'Invoice-A5555.txt', 'file_id': '1514555423624', 'file_type': 'file'}, page_content='Vendor: AstroTech Solutions\nInvoice Number: A5555\n\nLine Items:\n - Gravitational Wave Detector Kit: $800\n - Exoplanet Terrarium: $120\nTotal: $920')]
仅引用
retriever = BoxRetriever(
box_developer_token=box_developer_token,
box_file_ids=box_file_ids,
answer=False,
citations=True,
)
retriever.invoke(query)
[Document(metadata={'source': 'Box AI What was the most expensive item purchased', 'file_name': 'Invoice-A5555.txt', 'file_id': '1514555423624', 'file_type': 'file'}, page_content='Vendor: AstroTech Solutions\nInvoice Number: A5555\n\nLine Items:\n - Gravitational Wave Detector Kit: $800\n - Exoplanet Terrarium: $120\nTotal: $920')]
在链中使用
与其他检索器一样,BoxRetriever 可以通过链集成到 LLM 应用程序中。
我们需要一个 LLM 或聊天模型
pip install -qU "langchain[google-genai]"
import getpass
import os
if not os.environ.get("GOOGLE_API_KEY"):
os.environ["GOOGLE_API_KEY"] = getpass.getpass("Enter API key for Google Gemini: ")
from langchain.chat_models import init_chat_model
llm = init_chat_model("gemini-2.0-flash", model_provider="google_genai")
openai_key = getpass.getpass("Enter your OpenAI key: ")
Enter your OpenAI key: ········
from langchain_core.output_parsers import StrOutputParser
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.runnables import RunnablePassthrough
box_search_options = BoxSearchOptions(
ancestor_folder_ids=[box_folder_id],
search_type_filter=[SearchTypeFilter.FILE_CONTENT],
created_date_range=["2023-01-01T00:00:00-07:00", "2024-08-01T00:00:00-07:00,"],
k=200,
size_range=[1, 1000000],
updated_data_range=None,
)
retriever = BoxRetriever(
box_developer_token=box_developer_token, box_search_options=box_search_options
)
context = "You are a finance professional that handles invoices and purchase orders."
question = "Show me all the items purchased from AstroTech Solutions"
prompt = ChatPromptTemplate.from_template(
"""Answer the question based only on the context provided.
Context: {context}
Question: {question}"""
)
def format_docs(docs):
return "\n\n".join(doc.page_content for doc in docs)
chain = (
{"context": retriever | format_docs, "question": RunnablePassthrough()}
| prompt
| llm
| StrOutputParser()
)
chain.invoke(question)
'- Gravitational Wave Detector Kit: $800\n- Exoplanet Terrarium: $120'
用作代理工具
与其他检索器一样,BoxRetriever 也可以作为工具添加到 LangGraph 代理中。
pip install -U langsmith
from langchain import hub
from langchain.agents import AgentExecutor, create_openai_tools_agent
from langchain.tools.retriever import create_retriever_tool
box_search_options = BoxSearchOptions(
ancestor_folder_ids=[box_folder_id],
search_type_filter=[SearchTypeFilter.FILE_CONTENT],
created_date_range=["2023-01-01T00:00:00-07:00", "2024-08-01T00:00:00-07:00,"],
k=200,
size_range=[1, 1000000],
updated_data_range=None,
)
retriever = BoxRetriever(
box_developer_token=box_developer_token, box_search_options=box_search_options
)
box_search_tool = create_retriever_tool(
retriever,
"box_search_tool",
"This tool is used to search Box and retrieve documents that match the search criteria",
)
tools = [box_search_tool]
prompt = hub.pull("hwchase17/openai-tools-agent")
prompt.messages
llm = ChatOpenAI(temperature=0, openai_api_key=openai_key)
agent = create_openai_tools_agent(llm, tools, prompt)
agent_executor = AgentExecutor(agent=agent, tools=tools)
/Users/shurrey/local/langchain/.venv/lib/python3.11/site-packages/langsmith/client.py:312: LangSmithMissingAPIKeyWarning: API key must be provided when using hosted LangSmith API
warnings.warn(
result = agent_executor.invoke(
{
"input": "list the items I purchased from AstroTech Solutions from most expensive to least expensive"
}
)
print(f"result {result['output']}")
result The items you purchased from AstroTech Solutions from most expensive to least expensive are:
1. Gravitational Wave Detector Kit: $800
2. Exoplanet Terrarium: $120
Total: $920
额外字段
所有 Box 连接器都提供从 Box 的 FileFull
对象中选择额外字段作为自定义 LangChain 元数据返回的功能。每个对象都接受一个可选的 List[str]
,称为 extra_fields
,其中包含返回对象的 json 键,例如 extra_fields=["shared_link"]
。
连接器会将此字段添加到集成所需字段列表中,然后将结果添加到 Document
或 Blob
中返回的元数据,例如 "metadata" : { "source" : "source, "shared_link" : "shared_link" }
。如果该字段对该文件不可用,它将作为空字符串返回,例如 "shared_link" : ""
。
API 参考
有关所有 BoxRetriever 功能和配置的详细文档,请参阅API 参考。
帮助
如果您有疑问,可以查阅我们的开发者文档或在我们的开发者社区中与我们联系。