$ sha256sum chunks.jsonl ✓ komt overeen met het manifest
Cryptografisch verifieerbare, voor AI gelicentieerde datasets uit primaire bronnen. Elk record gehasht, elke release vastgelegd in een Merkle root, elke ID stabiel over releases heen — zodat uw retrieval-laag op data staat die u kunt verantwoorden.
toegang tot voorbeelden opent binnenkort · volledige herkomstketen op elk record · alleen primaire bronnen
9f2c41ab…c135e41a✓ verifieerbare release"why_merkleset":
Elk record draagt zijn bron-URL, ophaalmoment en SHA-256. Elke release bevat een manifest met een Merkle root over elke chunk-hash — herbereken die uit de bestanden die u hebt gedownload en controleer elk record zelf.
source_url · fetched_at · sha256
Een expliciete licentie voor RAG- en embeddinggebruik in plaats van een grijs gebied, met vrijwaring bij Pro en Enterprise. Uw juridische review is één pagina, geen veertig.
embedding_use: permitted
record_id is een UUID v5 van de dataset plus de natuurlijke sleutel, chunk_id is een content-adres. Dezelfde chunk heeft in twee releases dezelfde ID en dezelfde hash, dus u vergelijkt releases zelf en embedt alleen opnieuw wat er veranderd is.
record_id · chunk_id · stable across releases
Amerikaanse federale aanbestedingen en regelgeving zijn er vandaag; rechtbanken, SEC-documenten en e-commerce staan op de roadmap. Alles verzameld uit primaire bronnen — nooit doorverkochte leveranciersfeeds.
procurement ✓ regulatory ✓ courts · sec · ecommerce
"how_it_works":
01 collect
Officiële bulkbestanden en publieke API's — vandaag SAM.gov en de Federal Register. Elke ruwe response wordt als eigen bewijsrecord opgeslagen en bij het ophalen gehasht.
02 normalize
Opgeschoond, gestructureerd, gechunkt voor retrieval. Chunk-ID's zijn content-adressen: een ongewijzigde chunk houdt zijn ID over releases heen.
03 release
JSONL plus een manifest per release, met de SHA-256 van elk bestand en de Merkle root. Herbereken de root voordat er één byte in uw index terechtkomt.
"catalog":
Aanvragen uit de dagelijkse bulkextractie van SAM.gov, met genormaliseerde NAICS/PSC-metadata. Gunningshistorie uit FPDS en bijlagen bij aanvragen volgen hierna.
sam.govdagelijks
Vandaag de Federal Register, EUR-Lex op de roadmap. Versiebeheerde releases met stabiele ID's, zodat u kunt zien wat er tussen twee releases veranderd is.
federalregister.govdagelijks
Gepland: rollen van staatsrechtbanken in eerste aanleg, genormaliseerd over versnipperde portalen, met persoonsgegevens die eruit gefilterd worden voordat er gehasht wordt.
state court portalsroadmap
Gepland: EDGAR-documenten en materiaal rond kwartaalcijfers, gechunkt voor retrieval met stabiele sectie-ankers.
sec.gov / edgarroadmap
Gepland: gestructureerde productfeiten voor agentic commerce — attributen en beschikbaarheid, nooit gekopieerde tekst.
public product feedsroadmap
Mist u een corpus? Op het Enterprise-plan bouwen wij eigen niches en connectors.
neem contact op
"pricing":
demo
US$ 0
toegang tot voorbeelden binnenkort
starter
US$ 99/mnd
per dataset / maand
pro
US$ 299/mnd
per dataset / maand
enterprise
Op maat
overeenkomst op maat
"faq":
Ja — dat is precies het punt. Elke dataset komt met een expliciete licentie die RAG-, embedding- en retrievalgebruik toestaat. De licenties van Pro en Enterprise bevatten vrijwaring. Geen grijze scraping-zones: wij verzamelen uit primaire bronnen, respecteren robots.txt en opt-outs, en filteren persoonsgegevens uit elk record voordat het gehasht wordt.
Elk record draagt zijn bron-URL, ophaalmoment en de SHA-256 van de ruwe response. Elke release bevat een manifest met een SHA-256 voor elk bestand en een Merkle root over de geordende chunk-hashes. Herbereken de bestandshashes, bouw de root opnieuw op uit chunks.jsonl, vergelijk — een paar regels van uw eigen code, geen enkele van ons. Wij hebben precies dat gedaan op een release met de volledige historie, met een aparte implementatie, en de roots kwamen overeen.
De frequentie hangt af van de dataset en het plan: Starter levert wekelijkse releases, Pro dagelijkse. Elke release heeft een versienummer, en omdat record- en chunk-ID's stabiel blijven over releases heen kunt u er zelf twee willekeurige vergelijken en precies zien wat er veranderd is.
JSONL voor records en retrieval-klare chunks, plus een manifest.json per release met de SHA-256 en het aantal bytes van elk bestand, de aantallen records en chunks, kwaliteitsmetrieken en de Merkle root over de geordende chunk-hashes.
Vandaag niet via een voorbeelddataset — de toegang tot voorbeelden is dicht zolang het corpus groeit, en opent binnenkort. Laat ons in de tussentijd weten welk corpus u beoordeelt: we lopen een echte release met u door — het manifest, de SHA-256 per bestand en de Merkle root — en u herberekent de root met uw eigen code voordat er geld overgaat.
Op het Enterprise-plan bouwen wij eigen niches en connectors op basis van uw bronnenlijst, met actualiteitsvoorwaarden die in het contract worden vastgelegd. Vertel ons via het contactformulier wat uw retrieval-laag mist.