Skip to main content
Airbyte 是一个用于从 API、数据库和文件到数据仓库与数据湖的 ELT 管道数据集成平台。它拥有最大的面向数据仓库和数据库的 ELT 连接器目录。
本文介绍如何将 Airbyte 的任何数据源加载为 LangChain 文档。

​
安装

要使用 AirbyteLoader，您需要安装 langchain-airbyte 集成包。 
pip install -qU langchain-airbyte
注意：目前 airbyte 库不支持 Pydantic v2。 请降级到 Pydantic v1 以使用此包。 注意：此包目前还需要 Python 3.10+。

​
加载文档

默认情况下，AirbyteLoader 将从流中加载任何结构化数据，并输出 yaml 格式的文档。 
from langchain_airbyte import AirbyteLoader

loader = AirbyteLoader(
    source="source-faker",
    stream="users",
    config={"count": 10},
)
docs = loader.load()
print(docs[0].page_content[:500])

\`\`\`yaml
academic_degree: PhD
address:
  city: Lauderdale Lakes
  country_code: FI
  postal_code: '75466'
  province: New Jersey
  state: Hawaii
  street_name: Stoneyford
  street_number: '1112'
age: 44
blood_type: "O\u2212"
created_at: '2004-04-02T13:05:27+00:00'
email: bread2099+1@outlook.com
gender: Fluid
height: '1.62'
id: 1
language: Belarusian
name: Moses
nationality: Dutch
occupation: Track Worker
telephone: 1-467-194-2318
title: M.Sc.Tech.
updated_at: '2024-02-27T16:41:01+00:00'
weight: 6
您还可以指定自定义提示模板来格式化文档： 
from langchain_core.prompts import PromptTemplate

loader_templated = AirbyteLoader(
    source="source-faker",
    stream="users",
    config={"count": 10},
    template=PromptTemplate.from_template(
        "My name is {name} and I am {height} meters tall."
    ),
)
docs_templated = loader_templated.load()
print(docs_templated[0].page_content)

My name is Verdie and I am 1.73 meters tall.

​
惰性加载文档

AirbyteLoader 的一个强大功能是能够从上游来源加载大型文档。在处理大型数据集时，默认的 .load() 行为可能会很慢且占用大量内存。为避免这种情况，您可以使用 .lazy_load() 方法以更节省内存的方式加载文档。 
import time

loader = AirbyteLoader(
    source="source-faker",
    stream="users",
    config={"count": 3},
    template=PromptTemplate.from_template(
        "My name is {name} and I am {height} meters tall."
    ),
)

start_time = time.time()
my_iterator = loader.lazy_load()
print(
    f"Just calling lazy load is quick! This took {time.time() - start_time:.4f} seconds"
)

Just calling lazy load is quick! This took 0.0001 seconds
您可以在文档生成时迭代它们： 
for doc in my_iterator:
    print(doc.page_content)

My name is Andera and I am 1.91 meters tall.
My name is Jody and I am 1.85 meters tall.
My name is Zonia and I am 1.53 meters tall.
您还可以使用 .alazy_load() 异步惰性加载文档： 
loader = AirbyteLoader(
    source="source-faker",
    stream="users",
    config={"count": 3},
    template=PromptTemplate.from_template(
        "My name is {name} and I am {height} meters tall."
    ),
)

my_async_iterator = loader.alazy_load()

async for doc in my_async_iterator:
    print(doc.page_content)

My name is Carmelina and I am 1.74 meters tall.
My name is Ali and I am 1.90 meters tall.
My name is Rochell and I am 1.83 meters tall.

​
配置

AirbyteLoader 可通过以下选项进行配置：
  • source（str，必填）：要加载数据的 Airbyte 数据源名称。
  • stream（str，必填）：要加载数据的流名称（Airbyte 数据源可返回多个流）。
  • config（dict，必填）：Airbyte 数据源的配置。
  • template（PromptTemplate，可选）：用于格式化文档的自定义提示模板。
  • include_metadata（bool，可选，默认 True）：是否在输出文档中将所有字段作为元数据包含。
大多数配置位于 config 中，您可以在 Airbyte 文档的各数据源”配置字段参考”中找到具体的配置选项。
在 GitHub 上编辑此页面 或 提交问题。
通过 MCP 将这些文档连接到 Claude、VSCode 等以获得实时解答。