$ sha256sum chunks.jsonl ✓ confere com o manifesto
Conjuntos de dados criptograficamente verificáveis e licenciados para IA, coletados de fontes primárias. Cada registro com hash, cada versão com seu Merkle root, cada ID estável entre versões — para que sua camada de retrieval se apoie em dados que você consegue defender.
o acesso às amostras abre em breve · cadeia de procedência completa em cada registro · apenas fontes primárias
9f2c41ab…c135e41a✓ versão verificável"why_merkleset":
Cada registro carrega sua URL de origem, o horário da coleta e o SHA-256. Cada versão sai com um manifesto que traz um Merkle root sobre cada hash de chunk — recalcule a raiz a partir dos arquivos que você baixou e cheque você mesmo qualquer registro.
source_url · fetched_at · sha256
Uma licença explícita de uso em RAG e embeddings em vez de uma zona cinzenta, com indenização nos planos Pro e Enterprise. Sua revisão jurídica tem uma página, não quarenta.
embedding_use: permitted
record_id é um UUID v5 do conjunto de dados mais a chave natural; chunk_id é um endereço de conteúdo. O mesmo chunk em duas versões carrega o mesmo ID e o mesmo hash, então você mesmo pode comparar versões e refazer os embeddings só do que mudou.
record_id · chunk_id · stable across releases
Compras públicas federais dos EUA e regulatório já saem hoje; tribunais, documentos SEC e e-commerce estão no roadmap. Tudo coletado de fontes primárias — nunca feeds revendidos de terceiros.
procurement ✓ regulatory ✓ courts · sec · ecommerce
"how_it_works":
01 collect
Arquivos oficiais em lote e APIs públicas — SAM.gov e Federal Register hoje. Cada resposta bruta é guardada como seu próprio registro de evidência e recebe hash no momento da coleta.
02 normalize
Limpo, estruturado e dividido em chunks para retrieval. Os chunk IDs são endereços de conteúdo, então um chunk que não muda mantém seu ID entre versões.
03 release
JSONL mais um manifesto por versão, com o SHA-256 de cada arquivo e o Merkle root. Recalcule a raiz antes de um único byte entrar no seu índice.
"catalog":
RFPs do extrato diário em lote do SAM.gov, com metadados NAICS/PSC normalizados. O histórico de contratos do FPDS e os anexos das RFPs são o próximo passo.
sam.govdiária
Federal Register hoje, EUR-Lex no roadmap. Versões numeradas com IDs estáveis, para você ver o que mudou entre elas.
federalregister.govdiária
Previsto: processos de tribunais estaduais de primeira instância, normalizados entre portais fragmentados, com os dados pessoais filtrados antes de calcular os hashes.
state court portalsroadmap
Previsto: documentos do EDGAR e materiais de resultados, divididos em chunks para retrieval com âncoras de seção estáveis.
sec.gov / edgarroadmap
Previsto: fatos estruturados de produto para commerce agêntico — atributos e disponibilidade, nunca texto copiado.
public product feedsroadmap
Falta algum corpus? Construímos nichos e conectores sob medida no plano Enterprise.
entre em contato
"pricing":
demo
US$ 0
acesso às amostras em breve
starter
US$ 99/mês
por conjunto de dados / mês
pro
US$ 299/mês
por conjunto de dados / mês
enterprise
Sob medida
contrato sob medida
"faq":
Sim — é justamente esse o ponto. Todo conjunto de dados sai com uma licença explícita que permite uso em RAG, embeddings e retrieval. As licenças Pro e Enterprise incluem indenização. Sem zonas cinzentas de scraping: coletamos de fontes primárias, respeitamos robots.txt e as recusas de uso, e filtramos os dados pessoais de cada registro antes de calcular o hash.
Cada registro carrega sua URL de origem, o horário da coleta e o SHA-256 da resposta bruta. Cada versão sai com um manifesto que traz o SHA-256 de cada arquivo e um Merkle root sobre os hashes de chunk ordenados. Recalcule os hashes dos arquivos, reconstrua a raiz a partir do chunks.jsonl e compare — algumas linhas do seu próprio código, nenhuma do nosso. Nós rodamos exatamente isso contra uma versão com o histórico completo, usando uma implementação independente, e as raízes bateram.
A cadência é por conjunto de dados e por plano: o Starter publica versões semanais, o Pro publica diariamente. Cada versão é numerada e, como os IDs de registro e de chunk se mantêm estáveis entre versões, você mesmo pode comparar duas quaisquer e ver exatamente o que mudou.
JSONL para registros e chunks prontos para retrieval, mais um manifest.json por versão com o SHA-256 e o tamanho em bytes de cada arquivo, as contagens de registros e de chunks, métricas de qualidade e o Merkle root sobre os hashes de chunk ordenados.
Hoje não por meio de um conjunto de dados de amostra — o acesso às amostras está fechado enquanto o corpus cresce, e abre em breve. Enquanto isso, diga qual corpus você está avaliando: mostramos uma versão real — o manifesto, o SHA-256 de cada arquivo e o Merkle root — e você recalcula a raiz com seu próprio código antes de pagar qualquer coisa.
No plano Enterprise construímos nichos e conectores sob medida a partir da sua lista de fontes, com as condições de atualização acordadas no contrato. Conte pelo formulário de contato o que falta na sua camada de retrieval.