Skip to main content
Apify 数据集 是一个可扩展的仅追加存储,具有顺序访问功能,专为存储结构化的网页抓取结果而设计,例如产品列表或 Google SERP,然后可以将其导出为 JSON、CSV 或 Excel 等各种格式。数据集主要用于保存 Apify Actor 的结果——这些是用于各种网页抓取、爬取和数据提取用例的无服务器云程序。
本笔记本展示了如何将 Apify 数据集加载到 LangChain。

集成详情

加载器特性

前提条件

您需要在 Apify 平台上拥有一个现有的数据集。此示例展示了如何加载由 Website Content Crawler 生成的数据集。
首先,将 ApifyDatasetLoader 导入到您的源代码中:
找到您的 Apify API 令牌OpenAI API 密钥,并将它们初始化为环境变量:

定价

Apify Actor 的定价方式可能不同,具体取决于您运行的 Actor。 许多 Actor 支持 按事件付费 (PPE) 定价,您需要为 Actor 作者定义的明确事件付费(例如,按数据集项目计费)。这对于您希望获得清晰、按操作计费成本的代理工作负载来说可能是一个不错的选择。

将数据集项目映射到文档

接下来,定义一个函数,将 Apify 数据集记录字段映射到 LangChain Document 格式。 例如,如果您的数据集项目结构如下:
下面代码中的映射函数会将它们转换为 LangChain Document 格式,以便您可以进一步与任何 LLM 模型一起使用(例如用于问答)。

一个问答示例

在此示例中,我们使用数据集中的数据来回答问题。

使用 Apify MCP 服务器

不确定使用哪个 Actor 或它需要什么参数?Apify MCP(模型上下文协议)服务器 可以帮助您发现可用的 Actor,探索其输入模式,并了解参数要求。 通过 HTTP 连接到 Apify MCP 服务器时,请在请求头中包含您的 Apify 令牌:
更多信息,请参阅 LangChain MCP 文档