跳到主要内容
本笔记本演示了检索 Cube 数据模型元数据的过程，该元数据以适合作为嵌入传递给 LLM 的格式，从而增强上下文信息。

​
关于 Cube

Cube 是用于构建数据应用程序的语义层。它帮助数据工程师和应用程序开发人员从现代数据存储中访问数据，将其组织成一致的定义，并将其交付给每个应用程序。 Cube 的数据模型提供了结构和定义，这些结构和定义用作 LLM 理解数据和生成正确查询的上下文。LLM 不需要处理复杂的连接和指标计算，因为 Cube 抽象了这些，并提供了一个基于业务术语（而不是 SQL 表和列名）操作的简单接口。这种简化有助于 LLM 减少错误并避免幻觉。

​
示例

输入参数（必填） Cube 语义加载器 需要 2 个参数：
  • cube_api_url：您的 Cube 部署 REST API 的 URL。请参阅 Cube 文档，了解有关配置基本路径的更多信息。
  • cube_api_token：根据您的 Cube API 密钥生成的身份验证令牌。请参阅 Cube 文档，了解有关生成 JSON Web 令牌 (JWT) 的说明。
输入参数（可选）
  • load_dimension_values：是否加载每个字符串维度的维度值。
  • dimension_values_limit：要加载的维度值的最大数量。
  • dimension_values_max_retries：加载维度值的最大重试次数。
  • dimension_values_retry_delay：加载维度值时的重试延迟。 
import jwt
from langchain_community.document_loaders import CubeSemanticLoader

api_url = "https://api-example.gcp-us-central1.cubecloudapp.dev/cubejs-api/v1/meta"
cubejs_api_secret = "api-secret-here"
security_context = {}
# Read more about security context here: https://cube.dev/docs/security
api_token = jwt.encode(security_context, cubejs_api_secret, algorithm="HS256")

loader = CubeSemanticLoader(api_url, api_token)

documents = loader.load()
返回一个包含以下属性的文档列表
  • page_content
  • metadata
    • table_name
    • column_name
    • column_data_type
    • column_title
    • column_description
    • column_values
    • cube_data_obj_type
# Given string containing page content
page_content = "Users View City, None"

# Given dictionary containing metadata
metadata = {
    "table_name": "users_view",
    "column_name": "users_view.city",
    "column_data_type": "string",
    "column_title": "Users View City",
    "column_description": "None",
    "column_member_type": "dimension",
    "column_values": [
        "Austin",
        "Chicago",
        "Los Angeles",
        "Mountain View",
        "New York",
        "Palo Alto",
        "San Francisco",
        "Seattle",
    ],
    "cube_data_obj_type": "view",
}
在 GitHub 上编辑此页面源文件。
以编程方式连接这些文档到 Claude、VSCode 等，通过 MCP 获取实时答案。
© . This site is unofficial and not affiliated with LangChain, Inc.