MOBIQ 企业软件文档评估数据集 26.4 版
数据集简介
MOBIQ 测试数据集(release 26.4)
MOBIQ 是 Musterhaus Software GmbH 的虚构厂商设定,业务面向家具与厨房零售行业的 ERP 软件。数据集复刻了 neuraldoc 在客户现场会从 GitLab、Jira、Confluence 等系统读到的内容,各类文件的格式与真实 API 响应保持一致,便于直接用于工具链联调与效果展示。数据内容本身——包括代码、工单与文档——均以德语书写。
数据集止于 release/26.4 分支上的提交 ad176b2。所有公司、人物与内容均为虚构。
四个仓库
数据集按用途拆分为四个仓库,均在 neuraldoc-ai 组织下公开:
mobiq:主仓库,承载数据集总体结构与 ground truth;mobiq-code:代码与 Git 相关数据,含repo/目录与mobiq-erp.bundle;mobiq-docs:文档类数据,含 Confluence 页面、SharePoint 文件与抽取结果;mobiq-db:数据库数据,含 PostgreSQL 初始化脚本与 Flyway 迁移。
GitLab 相关文件包括 data/gitlab/commits.json、gitlab/commits/<sha>/diff.json、gitlab/merge_requests.json 以及 gitlab/merge_requests/<iid>/commits.json;Jira 相关文件包括 data/jira/search_jql.json 与 jira/project_versions.json;Confluence 相关文件包括 confluence/spaces.json、confluence/pages.json、confluence/pages/<id>/labels.json、attachments.json 与 confluence/storage/*.xml;文档侧包括 dokumente/files/、driveItems.json 与 extracted.json;数据库侧为 postgres/ 下的 initdb 与 Flyway migrations。
重新生成数据
数据集提供生成器,可按需重新生成整套内容。仓库内的 .mjs 脚本与相关配置即生成器的组成部分,配合 postgres/ 下的初始化与迁移脚本,可重建数据库与文档数据。重新生成后的数据保持与真实 API 响应一致的格式,便于在版本升级或结构扩展时同步更新评估素材。
out/ 目录内容
out/ 目录汇总了数据集的可直接使用产物:
| 内容 | 说明 |
|---|---|
| GitLab 数据 | 47 个提交(39 个自有、8 个合并)、8 个已合并 MR |
| Jira 数据 | 21 个工单 |
| Confluence 数据 | 4 个空间与 33 个页面 |
| SharePoint 文档 | 7 个文件(Word/Excel/PDF) |
| PostgreSQL 数据库 | 版本 18,共 14 张表、约 3,300 行 |
| ground truth | ground-truth.json,含 36 项必须修改(must)与 9 项推荐修改 |
ground-truth.json 是评估的核心答案文件,记录文档团队针对 26.4 版本需修改的内容,可直接用于比对 neuraldoc 的识别结果。
版本变更与内置陷阱
26.4 版本在数据中埋入了若干刻意设计的陷阱,用于检验评估流程对边界情况的处理能力。这些陷阱与版本变更内容交织在一起,需要在阅读 GitLab 提交、Jira 工单与 Confluence 页面时结合上下文识别。ground truth 中的 36 项 must 与 9 项推荐修改即对应这些需要处理的内容点。
许可与引用
数据集采用 MIT 许可,覆盖整个 MOBIQ 数据集,许可证文本见仓库中的 LICENSE 文件。数据集公开托管于 GitHub 的 neuraldoc-ai/mobiq 仓库,可免费访问与使用,无需申请。