一、产品概述

Neuronicx 软件生态代码数据（1500G）是为“会写完整可用软件”的 LLM/代码助手打造的训练数据包。不同于只收集单仓源码的通用语料，本数据围绕真实开发全流程，补齐第三方服务调用、依赖管理、错误修复、文档—实现对齐等生态知识，适合打造类似 Cursor 这类“可落地”的软件模型与智能开发代理（Agent）。

• 数据规模：≈1500G

• 价格：HKD 99,000（9.9W）

• 上线时间：9 月 21 日（现已开售）

• 官网下单：Neuronicx.com

• 支持：企业定制扩容 / 行业专用包

二、核心价值

• 生态级覆盖：不止源码，涵盖第三方 API/SDK 使用知识、依赖与构建、配置与部署要点。

• 可执行导向：围绕“能跑通”的目标组织与标注，有助于提升编译/运行通过率与 API 调用成功率。

• 高质量清洗：去重、脱敏、许可扫描与结构化标识，便于直接用于预训练/指令微调。

• 专为代码模型：更适配 Code LLM、Agent、IDE Copilot、RAG+执行 等场景。

三、数据内容构成（示例维度）

1. 代码与依赖

   • 多语言源码：Python / JS/TS / Go / Rust / Java / C# / Bash 等

   • 依赖与构建：requirements.txt、package.json、go.mod、Dockerfile、CI 配置等

   • 配置与环境：常见服务的连接配置模板与最佳实践（已脱敏）

2. 第三方服务知识

   • API/SDK 文档要点 ↔ 代码调用示例对齐

   • 常用生态：支付/消息/存储/搜索/AI推理/云平台（如 Stripe、Telegram Bot、OpenAI、AWS 等）的调用范式与错误处理模式

   • OpenAPI/GraphQL 等接口结构与客户端调用样例

3. 工程化与质量

   • 任务/提交信息 ↔ 代码变更（commit/PR 摘要与 diff 对）

   • 常见错误日志 ↔ 修复补丁（error→fix patterns）

   • 单测样例与覆盖率标记（抽样维度）

4. 指令到代码的映射（训练友好）

   • 需求/指令 → 代码片段/补丁 的成对样本（便于 SFT）

   • 工具/CLI 调用与脚手架生成轨迹（便于 Agent 规划—执行）

说明：具体第三方品牌仅作为“生态范式”示例，所有数据源遵循合规采集与脱敏处理。

四、标注与清洗流程（关键环节）

• 结构化标注：语言、领域/场景、功能（鉴权、支付、存储、消息等）、第三方服务、复杂度、可执行性标签

• 去重与归并：语义与 AST 双重去重，去镜像、去垃圾文件

• 合规审查：SPDX 许可识别；密钥/账号/PII 全量脱敏

• 质量抽测：编译/运行抽样验证，错误与修复模式对齐标注

• 毒性与不当内容过滤：符合企业安全与合规要求

五、适用场景

• 打造类似 Cursor 的 IDE 智能体 / 代码助手

• 代码 LLM 预训练/指令微调（SFT）、RAG+执行、Agent 规划-调用-调试链路学习

• 企业内部“应用生成器”、低门槛自动化开发工具

• 行业专用软件模型（电商、内容、客服、数据工具等）

六、交付与集成

• 交付方式：S3/OSS 直链、专线传输或加密硬盘寄送

• 文件格式：JSONL / Parquet（样本与标注）、tar.gz/Git bundle（代码与资源）

• 配套资料：样例解析脚本、训练/微调参考配置、数据字典

• 兼容性：可用于多数主流训练框架与向量/检索系统；支持与你现有语料做去重对齐

七、版本与定价

• 标准版 1500G：HKD 99,000（一次性授权，含交付支持）

• 企业定制版（选配）：

  • 体量扩展与行业专包（如支付、电商、社交、SaaS）

  • 新增特定第三方生态与调用样例

  • 提供“需求→代码→测试/部署”的更强成对数据

注：定制版按范围报价，签署 NDA 与数据使用协议后启动。

八、购买流程

1. 官网下单（或联系企业销售）

2. 签署《数据使用与合规协议》

3. 开通下载/传输通道并交付数据说明书

4. 技术对接与交付确认（含校验与补传保障）

九、合规与使用许可

• 数据来源包含：开源/自研/授权数据，严格脱敏与许可识别；不含敏感个人信息与密钥。

• 仅限合法合规用途；禁止用于恶意软件生成、入侵/攻击场景。

• 许可为不可转售的商业使用授权；如需转授权或联营分发，请洽谈企业合作条款。

十、常见问题（FAQ）

Q1：能否先评估效果？
A：可申请小样本试用片段（签署 NDA 后提供），用于验证训练/微调流程与指标口径。

Q2：和通用代码语料有何不同？
A：本包强调**“生态与可执行性”**：第三方服务调用范式、依赖/构建、错误—修复模式与文档—实现对齐，这些是“能写成可用软件”的关键补全。

Q3：是否包含专有/私有代码？
A：不包含。来源合规且已脱敏；同时提供许可识别元数据以便企业内审。

Q4：是否支持定期更新？
A：可选购增量更新（月/季），持续补充新生态与修复模式。