Google Drive 集成

使用 LangChain Python 集成 Google Drive 检索器。

本笔记本说明如何从 Google Drive 获取文档。

前置条件

1. 创建 Google Cloud 项目或使用现有项目
2. 启用 Google Drive API
3. 为桌面应用授权凭据
4. pip install -U google-api-python-client google-auth-httplib2 google-auth-oauthlib

获取 Google 文档

默认情况下， GoogleDriveRetriever 期望 credentials.json 文件位于 ~/.credentials/credentials.json，但可通过 GOOGLE_ACCOUNT_FILE 环境变量进行配置。 token.json 的位置使用相同目录（或通过 token_path 参数指定）。注意 token.json 将在首次使用检索器时自动创建。

GoogleDriveRetriever 可通过多次请求获取指定文件集。

默认情况下，若使用 folder_id，该文件夹内所有文件都将被检索到 Document。

您可通过以下 URL 获取文件夹和文档 ID：

• 文件夹：drive.google.com/drive/u/0/folders/1yucgL9WGgWZdM1TOuKkeghlPizuzMYb5 -> 文件夹 ID 是 "1yucgL9WGgWZdM1TOuKkeghlPizuzMYb5"
• 文档：docs.google.com/document/d/1bfaMQ18_i56204VaQDVeAFpqEijJTgvurupdEDiaUQw/edit -> 文档 ID 是 "1bfaMQ18_i56204VaQDVeAFpqEijJTgvurupdEDiaUQw"

特殊值 root 表示您的个人主页。

from langchain_googledrive.retrievers import GoogleDriveRetriever

folder_id = "root"
# folder_id='1yucgL9WGgWZdM1TOuKkeghlPizuzMYb5'

retriever = GoogleDriveRetriever(
    num_results=2,
)

默认情况下，所有以下 MIME 类型文件均可转换为 Document。

• text/text
• text/plain
• text/html
• text/csv
• text/markdown
• image/png
• image/jpeg
• application/epub+zip
• application/pdf
• application/rtf
• application/vnd.google-apps.document (GDoc)
• application/vnd.google-apps.presentation (GSlide)
• application/vnd.google-apps.spreadsheet (GSheet)
• application/vnd.google.colaboratory (Notebook colab)
• application/vnd.openxmlformats-officedocument.presentationml.presentation (PPTX)
• application/vnd.openxmlformats-officedocument.wordprocessingml.document (DOCX)

可通过 GoogleDriveRetriever 文档更新或自定义此设置。

对应包需安装。

pip install -qU  unstructured

retriever.invoke("machine learning")

您可自定义筛选条件选择文件。提供以下预设过滤器：

模板	描述
gdrive-all-in-folder	从 folder_id 返回所有兼容文件
gdrive-query	在所有驱动中搜索 query
gdrive-by-name	搜索名称为 query 的文件
gdrive-query-in-folder	在 folder_id 中搜索 query (含子文件夹 _recursive=true)
gdrive-mime-type	搜索特定 mime_type
gdrive-mime-type-in-folder	在 folder_id 中搜索特定 mime_type
gdrive-query-with-mime-type	搜索具有特定 mime_type 的 query
gdrive-query-with-mime-type-and-folder	搜索具有特定 mime_type 和位于 folder_id 的 query

retriever = GoogleDriveRetriever(
    template="gdrive-query",  # Search everywhere
    num_results=2,  # But take only 2 documents
)
for doc in retriever.invoke("machine learning"):
    print("---")
    print(doc.page_content.strip()[:60] + "...")

否则，可通过专用 PromptTemplate 自定义提示词

from langchain_core.prompts import PromptTemplate

retriever = GoogleDriveRetriever(
    template=PromptTemplate(
        input_variables=["query"],
        # See https://developers.google.com/drive/api/guides/search-files
        template="(fullText contains '{query}') "
        "and mimeType='application/vnd.google-apps.document' "
        "and modifiedTime > '2000-01-01T00:00:00' "
        "and trashed=false",
    ),
    num_results=2,
    # See https://developers.google.com/drive/api/v3/reference/files/list
    includeItemsFromAllDrives=False,
    supportsAllDrives=False,
)
for doc in retriever.invoke("machine learning"):
    print(f"{doc.metadata['name']}:")
    print("---")
    print(doc.page_content.strip()[:60] + "...")

使用 Google Drive ‘description’ 元数据

每个 Google Drive 文件都有 description 字段（参考 文件详情）。 使用 snippets 模式可返回选定文件的描述。

retriever = GoogleDriveRetriever(
    template="gdrive-mime-type-in-folder",
    folder_id=folder_id,
    mime_type="application/vnd.google-apps.document",  # Only Google Docs
    num_results=2,
    mode="snippets",
    includeItemsFromAllDrives=False,
    supportsAllDrives=False,
)
retriever.invoke("machine learning")

---

官方原文：src/oss/python/integrations/retrievers/google_drive.mdx · 非官方翻译，译文由 AI 生成，以英文原文为准。