検証可能な来歴
各レコードはソース URL、取得時刻、SHA-256 を保持します。各リリースには全チャンクハッシュを覆う Merkle root を含むマニフェストが付属します — ダウンロードしたファイルから root を再計算し、どのレコードでもご自身で確認できます。
source_url · fetched_at · sha256
$ sha256sum chunks.jsonl ✓ マニフェストと一致
RAG に使えるデータ。
来歴は検証できます。
一次情報源から収集し、暗号学的に検証可能で、AI 利用が許諾されたデータセットです。すべてのレコードをハッシュ化し、すべてのリリースに Merkle root を付け、すべての ID をリリースをまたいで安定させます — 検索レイヤーを、説明できるデータの上に置いてください。
サンプル提供はまもなく開始 · 全レコードに完全な来歴チェーン · 一次情報源のみ
merkle_root
9f2c41ab…c135e41a✓ 検証可能なリリース"why_merkleset":
法務チームにそのまま出せるデータ
RAG 利用が許諾済み
グレーゾーンではなく、RAG / 埋め込み利用を明示的に許諾するライセンスです。Pro と Enterprise には補償も付きます。法務レビューは 1 ページ、40 ページではありません。
embedding_use: permitted
リリースをまたいで安定した ID
record_id はデータセットと自然キーから作る UUID v5、chunk_id はコンテンツアドレスです。2 つのリリースにある同じチャンクは同じ ID と同じハッシュを持つので、リリースどうしをご自身で比較し、変わった部分だけ再埋め込みできます。
record_id · chunk_id · stable across releases
調達と規制、複数の法域で稼働中
米国連邦調達は今日提供中で、米国・EU・英国およびその他の国の法域の法令、裁定、規制当局のガイダンスも併せて提供しています。裁判所、SEC 提出書類、Eコマースは引き続きロードマップ上です。すべて一次情報源から収集し、ベンダーのフィードを再販することはありません。
procurement ✓ regulatory ✓ courts · sec · ecommerce
"how_it_works":
約束ではなく、パイプライン
01 collect
一次情報源から収集します
公式のバルクファイルと公開 API — SAM.gov と Federal Register から、EU 出版局や各国の法令ポータルまで。生のレスポンスはそれぞれ独立した証拠レコードとして保存し、取得時点でハッシュ化します。
02 normalize
正規化し、安定した ID でチャンク化します
クレンジングし、構造化し、検索向けにチャンク化します。チャンク ID はコンテンツアドレスなので、変わらないチャンクはリリースをまたいで同じ ID を保ちます。
03 release
バージョン管理されたリリースを API で取得します
リリースごとに JSONL と、全ファイルの SHA-256 と Merkle root を収めたマニフェストを提供します。1 バイトでもインデックスに入る前に、root を再計算してください。
"catalog":
調達と規制が稼働中、さらに多くの領域を予定。ライセンスは 1 つ。
米国連邦調達
SAM.gov の日次バルク抽出から取り込んだ入札公告と正規化された NAICS/PSC メタデータ、公告 ID で紐づけた添付資料の抽出テキスト、そして Grants.gov の助成公告。FPDS の落札履歴は予定しています。
sam.gov · grants.gov毎日
規制とコンプライアンス
Federal Register と CFR、EU 出版局から取得した EU 金融サービス法令の統合版 — 英語、1 条文につき 1 レコード、各バージョンには統合時点の日付を付与 — に加え、英国、アイルランド、ドイツ、デンマーク、カナダ、オーストラリアなどの法令、裁定、規制当局のガイダンス。安定した ID 付きのバージョン管理リリースなので、リリース間で何が変わったかを確認できます。
federalregister.gov · publications.europa.eu · …毎日
裁判記録
予定：断片化したポータルをまたいで正規化した州第一審裁判所の記録。ハッシュ化の前に個人データをスクリーニングして除きます。
state court portalsロードマップ
SEC 提出書類
予定：EDGAR の提出書類と決算資料を、安定したセクションアンカー付きで検索向けにチャンク化します。
sec.gov / edgarロードマップ
Eコマース商品
予定：エージェント型コマース向けの構造化された商品ファクト — 属性と在庫状況で、文章のコピーは一切ありません。
public product feedsロードマップ
あなたの領域
必要なコーパスがありませんか。Enterprise プランでカスタムの領域とコネクタを構築します。
お問い合わせ
"faq":
買い手が実際に聞くこと
このデータを合法的に埋め込み、検索に使えますか？
はい — それが狙いです。すべてのデータセットは、RAG、埋め込み、検索での利用を明示的に許諾するライセンスで提供されます。Pro と Enterprise のライセンスには補償が含まれます。スクレイピングのグレーゾーンはありません。一次情報源から収集し、robots.txt とオプトアウトを尊重し、ハッシュ化の前に各レコードから個人データをスクリーニングして除きます。
来歴はどうやって検証しますか？
各レコードはソース URL、取得時刻、生レスポンスの SHA-256 を保持します。各リリースには、全ファイルの SHA-256 と、順序付きチャンクハッシュを覆う Merkle root を含むマニフェストが付きます。ファイルハッシュを再計算し、chunks.jsonl から root を組み直して比較してください — 必要なのはご自身のコード数行で、私たちのコードは一切使いません。全履歴リリースに対して別実装で同じ再計算を実行し、root は一致しました。
データセットはどのくらいの頻度で更新されますか？
更新頻度はデータセットごと、プランごとです。Starter は週次リリース、Pro は日次リリースです。各リリースにはバージョンが付き、レコード ID とチャンク ID はリリースをまたいで安定しているため、任意の 2 つをご自身で比較して、何が動いたかを正確に確認できます。
どの形式で提供されますか？
レコードと検索向けチャンクは JSONL、加えてリリースごとに manifest.json を提供し、全ファイルの SHA-256 とバイト数、レコード数とチャンク数、品質指標、そして順序付きチャンクハッシュを覆う Merkle root を収めています。
支払う前に試せますか？
現時点ではサンプルデータセットの提供はしていません — コーパスを育てている間はサンプル提供を止めており、まもなく開始します。それまでは、評価中のコーパスをお知らせください。実際のリリース — マニフェスト、ファイルごとの SHA-256、Merkle root — をご案内します。支払いの前に、ご自身のコードでルートを再計算していただけます。
カスタムの領域も作りますか？
Enterprise プランでは、お客様のソースリストに合わせてカスタムの領域とコネクタを構築し、鮮度の条件は契約で合意します。検索レイヤーに何が足りないか、お問い合わせフォームからお知らせください。