可验证的溯源
每条记录都带有源 URL、抓取时间戳和 SHA-256。每次发布都附带一份清单，其中包含覆盖所有分块哈希的 Merkle root — 用你下载的文件重新计算根哈希，任何一条记录都可自行核验。
source_url · fetched_at · sha256
"why_merkleset":
可以直接交给法务团队的数据
许可用于 RAG
明确许可 RAG/嵌入使用的授权，而不是灰色地带，Pro 和 Enterprise 还包含赔偿担保。法务审阅只需一页，而不是四十页。
embedding_use: permitted
跨发布版本稳定的 ID
record_id 是数据集加自然键的 UUID v5，chunk_id 是内容地址。同一个分块在两个发布版本中带有相同的 ID 和相同的哈希，因此你可以自行比对两个版本，只对变更部分重新嵌入。
record_id · chunk_id · stable across releases
两个语料库已上线，路线图上共五个
美国联邦采购和监管法规现已交付；法院、SEC 申报文件和电商仍在路线图上。全部采自一手来源 — 绝不转售第三方数据源。
procurement ✓ regulatory ✓ courts · sec · ecommerce
"how_it_works":
流水线，而非承诺
01 collect
我们从一手来源采集
官方批量文件和公开 API — 目前是 SAM.gov 和 Federal Register。每个原始响应都作为独立的证据记录存储，并在抓取时计算哈希。
02 normalize
我们做归一化和分块，并使用稳定 ID
清洗、结构化、按检索需求分块。分块 ID 即内容地址，未变更的分块在各版本之间保持同一个 ID。
03 release
你通过 API 拉取版本化发布
每次发布都提供 JSONL 和一份清单，包含每个文件的 SHA-256 与 Merkle root。在任何一个字节进入索引之前，先自行重算根哈希。
"catalog":
两个领域已上线，三个在计划中。一份合同。
美国联邦采购
来自 SAM.gov 每日批量导出的招标公告，带归一化的 NAICS/PSC 元数据。FPDS 授标历史和招标附件是下一步。
sam.gov每日
监管与合规
目前是 Federal Register，EUR-Lex 在路线图上。版本化发布搭配稳定 ID，你可以自行看出两个版本之间变了什么。
federalregister.gov每日
法院记录
计划中：跨碎片化门户归一化的州初审法院案卷，个人数据在计算哈希之前筛除。
state court portals路线图
SEC 申报文件
计划中：EDGAR 申报文件与财报材料，按检索需求分块，带稳定的章节锚点。
sec.gov / edgar路线图
电商商品
计划中：面向智能体商务的结构化商品事实 — 属性与库存状态，绝不复制原文。
public product feeds路线图
你的领域
缺少某个语料库？我们在 Enterprise 方案下构建定制领域和连接器。
联系我们
"pricing":
价格公开列出，按数据集计费
完整价格"faq":
买家真正会问的问题
我可以合法地对这些数据做嵌入和检索吗？
可以 — 这正是我们的目的。每个数据集都在明确许可 RAG、嵌入和检索使用的条款下交付。Pro 与 Enterprise 许可包含赔偿担保。没有抓取的灰色地带：我们从一手来源采集，遵守 robots.txt 和退出声明，并在计算哈希之前从每条记录中筛除个人数据。
我该如何验证溯源？
每条记录都带有源 URL、抓取时间戳，以及原始响应的 SHA-256。每次发布都附带一份清单，包含每个文件的 SHA-256 和覆盖有序分块哈希的 Merkle root。重新计算文件哈希，用 chunks.jsonl 重建根哈希，再做比对 — 只需几行你自己的代码，不用我们的任何代码。我们用一套独立实现对一个全量历史发布做过同样的重算，两个根一致。
数据集多久更新一次？
更新频率按数据集、按方案而定：Starter 每周发布，Pro 每日发布。每次发布都有版本号；由于记录 ID 和分块 ID 跨发布版本保持稳定，你可以自行比对任意两个版本，准确看出哪些内容变了。
你们提供哪些格式？
记录和检索就绪的分块采用 JSONL，每次发布还附带一份 manifest.json，包含每个文件的 SHA-256 与字节数、记录与分块计数、质量指标，以及覆盖有序分块哈希的 Merkle root。
付费前可以试用吗？
目前还不能靠样本数据集试用 — 在语料继续扩充期间，样本访问是关闭的，并将很快开放。在此之前，请告诉我们你在评估哪个语料：我们会带你走一遍真实的发布版本 — 清单、每个文件的 SHA-256 和 Merkle root — 你可以在付钱之前用自己的代码重新算出这个根。
你们会构建定制领域吗？
在 Enterprise 方案下，我们按你提供的来源清单构建定制领域和连接器，新鲜度条款在合同中约定。通过联系表单告诉我们，你的检索层还缺什么。