Cursor生態程式碼訓練數據 超級擴容包 ≥10TB

專為能「寫出可運行軟體」的類 Cursor 模型（程式碼補全／生成／修復／Agent）打造。
在 1500G 標準版基礎上，新增 ≥10TB（10,000+GB）超級擴容包，已完成授權接入，支援自助下單與企業客製。

價格

• 標準版 1500G：HKD 99,000（9.9W）

• 超級擴容包 ≥10TB：HKD 199,000（19.9W）

一、產品概述

本數據不只「單倉原始碼」，而是圍繞真實開發全流程，涵蓋第三方服務呼叫、相依與建置、錯誤修復、文件—實作對齊等生態知識，更貼近 IDE／Agent 的可執行場景。適合打造類 Cursor 的「可落地」軟體模型與智慧開發代理。

• 數據規模：≥10TB（擴容包）

• 官網下單：Neuronicx.com

• 支援：企業客製擴容／行業專用包（電商、內容、客服、SaaS 等）

二、核心價值

• 生態級覆蓋：不只原始碼，涵蓋 API／SDK 使用、相依管理、設定與部署要點。

• 可執行導向：面向「能跑通」的組織與標註，提升編譯／運行通過率與 API 成功率。

• 高品質清洗：去重、脫敏、授權掃描與結構化標記，可直接用於預訓練／SFT。

• 專為 Code LLM：更適配 Code LLM、Agent、IDE Copilot、RAG＋執行等場景。

三、數據內容構成（示例）

1. 程式碼與相依：多語言原始碼（Python／JS／TS／Go／Java／C# 等）、建置與相依檔（requirements.txt、package.json、go.mod、Dockerfile、CI 設定）、環境與連線樣板（已脫敏）。

2. 第三方服務知識：API／SDK 要點 ↔ 程式碼範例對齊；常見生態（支付／訊息／儲存／搜尋／AI／雲）呼叫範式與錯誤處理；OpenAPI／GraphQL 結構與客戶端樣例。

3. 工程化與品質：任務／提交資訊 ↔ 變更 diff；常見錯誤日誌 ↔ 修復補丁；單元測試樣例與覆蓋率（抽樣）。

4. 訓練友好映射：需求／指令 → 程式碼片段／補丁 的成對樣本；工具／CLI 呼叫與腳手架生成軌跡。

四、標註與清洗流程（關鍵環節）

結構化標籤（語言／領域／功能／第三方服務／複雜度／可執行性） → 語義與 AST 雙重去重 → 授權識別與全量脫敏 → 編譯／運行抽測 → 毒性與不當內容過濾。

五、交付與整合

• 交付：S3／OSS 直鏈、專線或加密硬碟寄送

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

• 配套：示例解析腳本、訓練／微調參考配置、數據字典

• 相容：主流訓練框架與檢索系統；支援與你現有語料做去重對齊

六、版本與定價

• 標準版 1500G：HKD 99,000（一次性授權，含交付支持） (第一版，非本鏈接產品)

• 超級擴容包 ≥10TB：HKD 199,000（本鏈接產品與第一版數據不重復，但輔助第一版） 

  • 適合繼續預訓練（CPT）與大規模 SFT，增強長上下文與多技術棧覆蓋

  • 可選行業專包／生態增強（新增特定第三方呼叫樣例）

  • 提供更強的「需求 → 程式碼 → 測試／部署」成對數據

客製版依範圍報價，簽署 NDA 與《數據使用與合規協議》後啟動。

七、購買流程

1. 官網下單（或聯絡企業銷售） → 2) 簽署《數據使用與合規協議》 → 3) 開通下載／傳輸並交付數據說明書 → 4) 技術對接與交付確認（含校驗與補傳保障）。

八、合規與授權

來源包含開源／自研／授權數據，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。授權為不可轉售的商業授權；如需轉授權／聯營分發，請洽談企業條款。

常見問題（精要）

• 能否先評估效果？ 可申請小樣本試用片段（簽 NDA 後提供）。

• 與通用程式碼語料有何不同？ 強調「生態＋可執行性」：第三方服務呼叫範式、相依／建置、錯誤—修復模式、文件—實作對齊。

• 是否含私有程式碼？ 不含；附授權識別中繼資料便於企業內審；支援按月／季度增量更新服務。