一、產品概述

Neuronicx 軟體生態程式碼資料（1500G）專為「會寫出完整可用軟體」的 LLM／程式碼助理打造。不同於僅收集單一倉庫原始碼的通用語料，本資料圍繞真實研發全流程，補齊第三方服務呼叫、相依管理、錯誤修復、文件—實作對齊等生態知識，適合打造類似 Cursor 的「可落地」軟體模型與智慧開發代理（Agent）。

• 資料規模：≈1500G

• 價格：HKD 99,000（9.9 萬）

• 上線時間：9 月 21 日（屆時官網可自助下單）

• 官網：Neuronicx.com

• 支援：企業客製擴容／行業專用包

二、核心價值

• 生態級覆蓋：不只原始碼，還涵蓋第三方 API／SDK 使用知識、相依與建置、配置與部署要點。

• 可執行導向：以「能跑通」為目標組織與標註，有助提升編譯／運行通過率與 API 呼叫成功率。

• 高品質清理：去重複、脫敏、授權掃描與結構化標註，便於直接用於預訓練／指令微調。

• 為程式碼模型而設：更契合 Code LLM、Agent、IDE Copilot、RAG＋執行 等場景。

三、資料內容構成（示例維度）

1. 程式碼與相依

   • 多語言原始碼：Python／JS/TS／Go／Rust／Java／C#／Bash 等

   • 相依與建置：requirements.txt、package.json、go.mod、Dockerfile、CI 配置等

   • 配置與環境：常見服務連線配置模板與實務（已脫敏）

2. 第三方服務知識

   • API／SDK 文件要點 ↔ 程式碼呼叫示例對齊

   • 常用生態：支付／訊息／儲存／搜尋／AI 推理／雲平台（如 Stripe、Telegram Bot、OpenAI、AWS 等）的呼叫範式與錯誤處理模式

   • OpenAPI／GraphQL 等介面結構與客戶端呼叫範例

3. 工程化與品質

   • 任務／提交訊息 ↔ 程式碼變更（commit／PR 摘要與 diff 配對）

   • 常見錯誤日誌 ↔ 修復補丁（error→fix patterns）

   • 單元測試樣例與覆蓋率標記（抽樣維度）

4. 指令到程式碼的對映（訓練友好）

   • 需求／指令 → 程式碼片段／補丁 的成對樣本（便於 SFT）

   • 工具／CLI 呼叫與腳手架生成軌跡（利於 Agent 規劃—執行）

說明：具體第三方品牌僅作「生態範式」示例，所有資料來源均遵循合規蒐集與脫敏處理。

四、AI数据標註與清理流程（關鍵環節）

• 結構化標註：語言、領域／場景、功能（驗證、支付、儲存、訊息等）、第三方服務、複雜度、可執行性標籤

• 去重複與歸併：語義與 AST 雙重去重複，去鏡像、去垃圾檔

• 合規審查：SPDX 授權識別；金鑰／帳號／PII 全量脫敏

• 品質抽測：編譯／運行抽樣驗證，錯誤與修復模式對齊標註

• 風險過濾：毒性與不當內容過濾，符合企業安全與合規要求

五、適用場景

• 打造類似 Cursor 的 IDE 智慧體／程式碼助理

• 程式碼 LLM 預訓練／指令微調（SFT）、RAG＋執行、Agent 規劃—呼叫—除錯鏈路學習

• 企業內部「應用生成器」、低門檻自動化開發工具

• 行業專用軟體模型（電商、內容、客服、資料工具等）

六、交付與整合

• 交付方式：S3／OSS 直鏈、專線傳輸或加密硬碟寄送

• 檔案格式：JSONL／Parquet（樣本與標註）、tar.gz／Git bundle（程式碼與資源）

• 配套資料：樣例解析腳本、訓練／微調參考配置、資料字典

• 相容性：可用於多數主流訓練框架與向量／檢索系統；支援與你現有語料做去重複對齊

七、版本與定價

• 標準版 1500G：HKD 99,000（一次性授權，含交付支援）

• 企業客製版（選配）：

  • 體量擴展與行業專包（如支付、電商、社交、SaaS）

  • 新增特定第三方生態與呼叫樣例

  • 提供「需求→程式碼→測試／部署」更強成對資料

註：客製版按範圍報價，簽署 NDA 與資料使用協議後啟動。

八、AI数据包購買流程

1. 官網下單（或聯絡企業業務）

2. 簽署《資料使用與合規協議》

3. 開通下載／傳輸通道並交付資料說明書

4. 技術對接與交付確認（含校驗與補傳保障）

九、合規與使用授權

• 資料來源包含：開源／自研／授權資料，嚴格脫敏與授權識別；不含敏感個資與金鑰。

• 僅限合法合規用途；禁止用於惡意軟體生成、入侵／攻擊場景。

• 授權為不可轉售的商業使用授權；如需轉授權或聯營分發，歡迎洽談企業合作條款。

十、常見問題（FAQ）

Q1：能否先評估效果？
A：可申請小樣本試用片段（簽署 NDA 後提供），用於驗證訓練／微調流程與指標口徑。

Q2：與通用程式碼語料有何不同？
A：本資料強調**「生態與可執行性」**：第三方服務呼叫範式、相依／建置、錯誤—修復模式與文件—實作對齊，這些都是「能寫成可用軟體」的關鍵補全。

Q3：是否包含專有／私有程式碼？
A：不包含。來源合規且已脫敏；同時提供授權識別中繼資料，方便企業內審。