Skip to main content
Apify Dataset 是一种可扩展的仅追加存储，具有顺序访问能力，专为存储结构化的网页抓取结果而构建，例如产品列表或 Google SERP，然后将其导出为 JSON、CSV 或 Excel 等多种格式。数据集主要用于保存 Apify Actors（用于各种网页抓取、爬取和数据提取的无服务器云程序）的结果。
本笔记本展示如何将 Apify 数据集加载到 LangChain 中。

​
集成详情

类包可序列化JS 支持版本
ApifyDatasetLoaderlangchain-apify❌✅PyPI - Version

​
加载器特性

数据源文档懒加载原生异步支持
Apify Dataset❌❌

​
前提条件

您需要在 Apify 平台上有一个现有的数据集。本示例展示如何加载由 Website Content Crawler 生成的数据集。 
pip install -qU langchain langchain-apify langchain-openai
首先，将 ApifyDatasetLoader 导入您的源代码： 
from langchain_apify import ApifyDatasetLoader
from langchain_core.documents import Document
找到您的 Apify API token 和 OpenAI API key 并将其初始化为环境变量： 
import os

os.environ["APIFY_TOKEN"] = "your-apify-token"
os.environ["OPENAI_API_KEY"] = "your-openai-api-key"

​
定价

Apify Actors 的定价方式因 Actor 而异。 许多 Actors 支持按事件付费（PPE）定价，您只需为 Actor 作者定义的显式事件付费（例如，按数据集条目付费）。这非常适合希望有清晰的按操作成本的 agent 工作负载。

​
将数据集条目映射到文档

接下来，定义一个函数，将 Apify 数据集记录字段映射为 LangChain Document 格式。 例如，如果您的数据集条目结构如下： 
{
    "url": "https://apify.com",
    "text": "Apify is the best web scraping and automation platform."
}
下面代码中的映射函数将把它们转换为 LangChain Document 格式，以便您可以进一步与任何 LLM 模型结合使用（例如用于问答）。 
loader = ApifyDatasetLoader(
    dataset_id="your-dataset-id",
    dataset_mapping_function=lambda dataset_item: Document(
        page_content=dataset_item["text"], metadata={"source": dataset_item["url"]}
    ),
)

data = loader.load()

​
问答示例

在本示例中，我们使用数据集中的数据来回答问题。 
from langchain.indexes import VectorstoreIndexCreator
from langchain_apify import ApifyWrapper
from langchain_core.documents import Document
from langchain_core.vectorstores import InMemoryVectorStore
from langchain_openai import ChatOpenAI
from langchain_openai.embeddings import OpenAIEmbeddings

loader = ApifyDatasetLoader(
    dataset_id="your-dataset-id",
    dataset_mapping_function=lambda item: Document(
        page_content=item["text"] or "", metadata={"source": item["url"]}
    ),
)

index = VectorstoreIndexCreator(
    vectorstore_cls=InMemoryVectorStore, embedding=OpenAIEmbeddings()
).from_loaders([loader])

llm = ChatOpenAI(model="gpt-5-mini")

query = "What is Apify?"
result = index.query_with_sources(query, llm=llm)

print(result["answer"])
print(result["sources"])

 Apify is a platform for developing, running, and sharing serverless cloud programs. It enables users to create web scraping and automation tools and publish them on the Apify platform.

https://docs.apify.com/platform/actors, https://docs.apify.com/platform/actors/running/actors-in-store, https://docs.apify.com/platform/security, https://docs.apify.com/platform/actors/examples

​
使用 Apify MCP 服务器

不确定使用哪个 Actor 或其所需参数？Apify MCP（模型上下文协议）服务器可以帮助您发现可用的 Actors、探索其输入 schema 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 token： 
Authorization: Bearer <APIFY_TOKEN>
更多信息，请参阅 LangChain MCP 文档。
Edit this page on GitHub or file an issue.
Connect these docs to Claude, VSCode, and more via MCP for real-time answers.