数据集预览地址：点击查看

/roleplay_sample/index.html

一、版本介绍

公开版（精选 100 张热门角色卡）

• 随机选取 100 个 Rubii/Mufy 热门角色卡

• 每张角色卡包含：

  • 角色名称

  • 创作者名称

  • 人设设定

  • 全局美化代码

  • 小剧场代码

  • 开场设计

  • 默认认知

  • 情节设定

  • 输出设定

  • 样例对话 & 文风

  • 物品栏配置（Mufy 专属）

 进阶版（精选 5,000 张热门角色卡）

• 覆盖度更广，适合 高频玩家与创作者

• 内容字段同公开版

• 全部来自人气排行前列角色卡

 完整版（213,418 张角色卡）

（数据截至 2025 年 10 月 1 日）

• 收录 Rubii/Mufy 平台全部 公开与私密角色卡

• 每张卡均含完整设定与美化代码

• 附带：

  • 角色相关世界观设定文档

  • 资料库原文

二、 后续计划预告

• 即将上线 “单卡购买”服务

• 只需提供角色名称，即可获取完整设定

• 适合个性化收藏或创作需求

三、 持续更新说明

• 我们通过平台调用的大语言模型接口 实时提取最新角色卡信息

• 确保资料库持续更新，保证您获取的始终是 最新内容

情感陪伴与角色扮演（Roleplay）多模态对话数据是为“长对话、沉浸式互动、人物不崩”的 LLM/陪伴助手打造的训练数据包。不同于只提供短句闲聊的通用语料，本数据围绕长时多轮陪伴与酒馆（Tavern）式场景组织，补齐HTML/富文本页面、角色卡（Persona）、世界观设定、房间/看板内容、图片占位描述等多模态上下文，适合打造可长期维系关系的情感陪伴模型与沉浸式 RP 智能体。
数据规模：标准版≈60G（可扩至 150G+）
价格：HKD 24,999（标准版）｜HKD 44,999（专业版）
上线时间：9月23日起（现已开售）
支持：企业定制扩容 / 行业专用包（来源网站 rubii.ai/mufy.chat真实上游调用数据）

二、核心价值

长对话优势：覆盖 20～200 轮真实陪伴场景，情绪起伏与关系推进自然，利于训练长程记忆与角色一致性。
多模态对齐：不只文本，包含 HTML 酒馆房间页/角色主页/剧情看板、Markdown 模板、图片占位与描述、（可选）音频转写，贴近实际 App 呈现。
场景化沉浸：人物设定、世界观、事件钩子（纪念日/任务/复盘）以富文本/页面形式提供，模型更容易“在界面里说话、围绕素材接话”。
高质量清洗：去重、脱敏、敏感与越界标注，结构化元信息，便于直接用于预训练/指令微调（SFT）/RLAIF/RAG+记忆。

三、数据内容构成（示例维度）

长对话与情绪轨迹

• 多主题长对话：日常陪伴、安抚与鼓励、冲突修复、成长计划等

• 轮级情绪：类别（愉悦/焦虑/悲伤/愤怒…）、强度（0–1）、转折点

角色与世界观（Tavern 风格）

• 角色卡（Persona）：人设、口吻、禁忌、价值观与边界

• 世界观/时间线：背景设定、事件节点、关系脉络

多模态资源

• HTML：酒馆房间页、角色主页、剧情看板（标题/段落/注释/内链）

• 图片占位+描述：头像、贴纸、场景插图的文本化说明

基础标注

• 场景标签、情绪类别与强度、角色一致性标记（In-Character）、敏感/越界标签与重定向样本

四、标注与清洗流程

结构化标注：场景、意图、情绪（类别/强度）、角色一致性、敏感/越界分类
去重与归并：语义指纹与规则并用，去模板/去垃圾/聚合相似会话
质量抽测：人设一致性抽检、语言自然度抽检、敏感重定向覆盖率抽检、多模态引用一致性抽检

五、适用场景

• 角色扮演 / 情感陪伴 App（酒馆/房间/看板式互动）

• 长剧情互动与沉浸式对话产品

• RAG + 角色记忆/世界观检索（HTML/富文本对齐）

• 企业关怀/轻心理支持助手

六、交付与集成

交付方式：S3/OSS 直链、专线传输或加密硬盘寄送
文件格式：JSONL / Parquet（样本与标注）、HTML/MD 资源包、tar.gz（静态素材）
兼容性：可用于主流训练框架与检索系统；支持与你现有语料进行去重对齐

购买方式：请联系support@llmjiekou.shop

七、版本与定价

试用版（≈2K 角色、10K聊天）：HKD 4,999（包含批量真实角色卡片，以及10K随机规模聊天记录）
标准版（≈60G、10K级别角色卡、100K 聊天）：HKD24,999（一次性授权）
专业版（≈150G、20K级别角色卡、200K 聊天）：HKD 44,999（长剧情占比↑、多模态 HTML/富文本占比↑、角色卡片数量↑）

企业定制版（选配）：

• 体量扩展与行业专包（如社交、两性关系）

• 指定题材/语言/文化语域/口吻风格占比

• 更高比例的 HTML 场景页与多模态资源

• 更多精选角色

欲进行购买，请联系商务support@llmjiekou.shop。

八、常见问题（FAQ）

Q1：能否先评估效果？
A：可申请小样本试用片段与解析/评测脚本，用于快速验证训练流程与指标口径。申请需要支付预付金用来验证sample，请联系商务support@llmjiekou.shop。

Q2：与通用聊天语料相比差异？
A：本包强调长聊天文本 + 多模态 + 酒馆式场景：提供 HTML/富文本页面、角色卡与世界观、事件化对话与情绪轨迹，贴近真实产品形态，更有利于长程记忆、人物不崩与多模态对齐。

Q3：如何集成到现有系统？
A：提供 JSONL/Parquet + HTML/MD 的统一目录结构与示例解析代码，适配 SFT / RLAIF / RAG+记忆，并支持与你的私有语料做去重与占比调优。

面向“会写完整可用软件”的代码类 LLM/智能开发代理（Agent）的训练数据包，围绕真实开发全流程补齐第三方服务调用、依赖管理、错误修复、文档—实现对齐等生态知识。
数据规模：≈1500G
价格：HKD 99,000（9.9W）
上线时间：9 月 21 日（现已开售）
支持：企业定制扩容 / 行业专用包

二、核心价值

• 生态级覆盖：不仅含源码，还覆盖第三方 API/SDK 使用、依赖与构建、配置与部署要点。

• 可执行导向：围绕“能跑通”组织与标注，提升编译/运行通过率与 API 调用成功率。

• 高质量清洗：去重、脱敏、许可扫描与结构化标识，便于直接用于预训练/指令微调。

• 专为代码模型：更适配 Code LLM、Agent、IDE Copilot、RAG+执行 等场景。

三、数据内容构成（示例）

1) 代码与依赖

• 多语言源码：Python / JS/TS / Go / Rust / Java / C# / Bash 等

• 依赖与构建：requirements.txt、package.json、go.mod、Dockerfile、CI 配置

• 配置与环境：常见服务连接配置模板与最佳实践（已脱敏）

2) 第三方服务知识

• API/SDK 文档要点 代码调用示例对齐

• 常用生态：支付/消息/存储/搜索/AI 推理/云平台（如 Stripe、Telegram Bot、OpenAI、AWS 等）的调用范式与错误处理模式

• 接口类型：OpenAPI/GraphQL 结构与客户端调用样例

3) 工程化与质量

• 任务/提交信息 代码变更（commit/PR 摘要与 diff 对）

• 常见错误日志 修复补丁（error→fix patterns）

• 单测样例与覆盖率标记（抽样）

4) 指令到代码的映射（训练友好）

• 需求/指令 → 代码片段/补丁 成对样本（便于 SFT）

• 工具/CLI 调用与脚手架生成轨迹（利于 Agent 规划—执行学习）

四、标注与清洗流程（关键环节）

• 结构化标注：语言、领域/场景、功能（鉴权/支付/存储/消息等）、第三方服务、复杂度、可执行性标签

• 去重与归并：语义与 AST 双重去重；去镜像、去垃圾文件

• 质量抽测：编译/运行抽样验证；错误与修复模式对齐标注

五、适用场景

• 类 Cursor 的 IDE 智能体 / 代码助手

• 代码 LLM 预训练/指令微调（SFT）、RAG + 执行、Agent 规划-调用-调试链路学习

• 企业内部“应用生成器”、低门槛自动化开发工具

• 行业专用软件模型（电商、内容、客服、数据工具等）

六、交付与集成

• 交付方式：S3/OSS 直链、专线传输、加密硬盘寄送

• 文件格式：JSONL / Parquet（样本与标注）、tar.gz / Git bundle（代码与资源）

• 配套资料：样例解析脚本、训练/微调参考配置、数据字典

• 兼容性：适配多数主流训练框架与向量/检索系统；支持与现有语料做去重对齐

• 购买方式：请联系商务support@llmjiekou.shop。

七、版本与定价

标准版（≈1500G）：HKD99,000（一次性授权）
企业定制版（可扩展）：价格面议（行业专包、特定生态新增、强化“需求→代码→测试/部署”成对数据）

八、常见问题（FAQ）

Q1：能否先评估效果？
A：可申请小样本试用片段，用于验证训练/微调流程与指标口径。请联系商务support@llmjiekou.shop。

Q2：与通用代码语料有何不同？
A：强调 “生态与可执行性”：第三方服务调用范式、依赖/构建、错误—修复模式与文档—实现对齐，这些都是“能写成可用软件”的关键补全。