v0.1 — AGENTS.md 结构化语料库（558 份）

⚠️ 已被 v0.1.1 取代，建议使用新版。
v0.1.1 修复了中文文档被整体漏标的问题，并补了 retrieved_at / ruleset_version 字段。
两版覆盖率数字不可直接比较（如 build_test 79% → 87%），原因见新版说明。

---

558 份 AGENTS.md（来自 558 个公开仓库）的结构化标注数据集。

这是第一个完整闭环版本：抓取 → 抽取 → 打包 → 发布。

文件

文件	说明
agent-charters-v0.1.parquet	主数据集，558 行 × 23 列（推荐）
agent_charters_v0.1.jsonl	同上，JSONL 格式

快速开始

import pandas as pd
df = pd.read_parquet("agent-charters-v0.1.parquet")
df[df["is_substantive"] & ~df["is_pointer"]]

关键数字

• 558 份抓取，518 份实质内容，5.5 MB
• 9 类多标签，平均 4.4 个标签/份
• 覆盖最高的类别：build_test（79%）；最低：gotchas（12%）
• 内容模式：指令性 72% / 陈述性 15% / 混合 13%
• 中文文档仅 5%
• 70% 的仓库使用 MIT / Apache-2.0

请先读局限

抽样 12 份人工核对：准确 9 / 漏标 3 / 错标 0（精确率高、召回率偏低）。
真分类失败率 2.1%。样本偏向 AI/agent 话题仓库，中文样本仅 5%。

完整局限见仓库的 LIMITATIONS.md，请在使用前阅读。

版权

本数据集不含任何原文全文，仅含衍生标注与统计特征。
被采集文件的版权归各仓库原作者。