ultrawhale-dogfood

Hugging Face2026-06-23 更新2026-06-24 收录

AI代理行为分析

AI生态系统用户行为

数据链接：

https://huggingface.co/datasets/PeetPedro/ultrawhale-dogfood 数据链接链接失效反馈

官方服务：

资源简介：

ultrawhale-dogfood是一个自生成的数据集，来源于ultrawhale代理编码系统和vaked开源AI生态系统。该数据集包含两个实时数据流，每6小时自动更新一次。数据集主要由两部分组成：1) dogfeed/目录，包含ultrawhale M3循环输出的代理交互数据，记录原始代理会话，包括提示、推理轨迹、代码输出和工具调用。该部分包含三个版本的文件：初始会话、科学研究模式会话以及带有区块元数据的增强会话。2) telemetry/目录，包含来自vaked生态系统使用信号的匿名结构化元数据，涵盖多种事件类型，如页面浏览、模式更改、音频源选择、物质选择、旅程开始/结束、触发掉落、壁纸切换、自动驾驶切换、科学模式打开、场景保存/召回和会话结束。数据来源于多个vaked公共站点，包括AI聊天代理、迷幻视觉合成器、群聊头像、AG-UI协议和公共IRC社区。数据集还提供了一个合并所有遥测批次的文件telemetry-consolidated.jsonl，以及一个机器可读的索引文件MANIFEST-live.json，其中包含实时记录计数、文件列表、源URL和创世印章。数据规模在1K到10K之间，适用于代理系统开发、AI行为分析、用户体验研究和生态系统监控等任务。数据集采用Apache 2.0许可，可自由使用。

ultrawhale-dogfood is a self-generated dataset derived from the ultrawhale agent coding system and the vaked open-source AI ecosystem. It consists of two live data streams that update automatically every 6 hours. The dataset is primarily composed of two parts: 1) The dogfeed/ directory, which contains agent interaction data from the ultrawhale M3 loop, recording raw agent sessions including prompts, reasoning traces, code outputs, and tool calls. This section includes three versions of files: initial sessions, scientific research mode sessions, and enhanced sessions with block metadata. 2) The telemetry/ directory, which contains anonymized structured metadata from usage signals in the vaked ecosystem, covering various event types such as page views, mode changes, audio source selections, substance selections, journey starts/ends, trigger drops, wallpaper switches, autopilot toggles, science mode opens, scene saves/recalls, and session ends. The data is sourced from multiple vaked public sites, including AI chat agents, psychedelic visual synthesizers, group chat avatars, AG-UI protocols, and public IRC communities. The dataset also provides a consolidated file telemetry-consolidated.jsonl that merges all telemetry batches, and a machine-readable index file MANIFEST-live.json containing live record counts, file lists, source URLs, and genesis stamps. The data scale ranges from 1K to 10K, making it suitable for tasks such as agent system development, AI behavior analysis, user experience research, and ecosystem monitoring. The dataset is licensed under Apache 2.0, allowing free use.

创建时间：

2026-06-21

原始信息汇总

数据集概述

数据集名称: ultrawhale-dogfood
许可证: Apache-2.0
语言: 英语 (en)
数据大小: 1,000 到 10,000 条记录
标签: agentic, dogfood, telemetry, self-improving, ai-agent, ultrawhale, vaked

数据来源

该数据集由两个实时数据流自动生成，每6小时自动更新一次：

1. dogfeed/ 数据流 — ultrawhale M3 循环输出

包含 ultrawhale 代理在10秒循环中，使用免费 OpenRouter 模型产生的交互记录。每条记录为一个原始代理会话，包含：

提示词（prompt）
推理轨迹（reasoning trace）
代码输出（code output）
工具调用（tool calls）

包含三个文件：

dogfeed-v1-initial.jsonl — 初始会话
dogfeed-v2-science.jsonl — 科研/研究模式
dogfeed-v3-enriched.jsonl — 带块元数据的增强版本

2. telemetry/ 数据流 — vaked 生态使用信号

来自 vaked 公共网站的匿名结构元数据，不包含音频内容和个人身份信息（PII）。每条记录为来自某个源站点的会话事件批次。

事件类型：page_view, mode_change, audio_source, substance_selected, trip_started, trip_ended, drop_triggered, wallpaper_toggled, autopilot_toggled, science_opened, scene_saved, scene_recalled, session_end

源站点：

chat.vaked.dev — G0DM0D3 免费模型 AI 聊天代理
music.vaked.dev — ENTHEA 迷幻视觉合成器
beat.vaked.dev — Vaked-FM 群体头像
protocol.vaked.dev — AG-UI 协议 + 创世规范
irc.vaked.dev — 公共 IRC 社区
pocoo.vaked.dev — 个人技术博客

3. telemetry-consolidated.jsonl

所有遥测批次合并为单个文件，每6小时由 CI 更新一次。

元数据

MANIFEST-live.json：机器可读的索引文件，每次 CI 运行时更新。包含实时记录计数、文件列表、源 URL 和创世印章。

创世印章

7c242080f5f821e5eaf563fe2208d60632c451687baf65f4fe8e4a0d226e3ecf

为创世块的加密印章，完整的创世规范和溯源链可参考 protocol.vaked.dev。

许可证

Apache 2.0 开源许可，可自由使用。

搜集汇总

数据集介绍

构建方式

ultrawhale-dogfood数据集是由ultrawhale自主编码系统和vaked开源AI生态系统共同生成的自我演进型数据集。其构建依托两条实时数据流：其一名为dogfeed，源自ultrawhale以10秒为周期、借助免费OpenRouter模型运行的M3循环输出，每条记录均为包含提示词、推理轨迹、代码输出与工具调用的原始智能体会话，并按阶段划分为v1初始会话、v2科研模式和v3富化元数据版本。其二名为telemetry，收集自vaked公开站点的匿名结构性使用信号，涵盖页面浏览、模式切换、音频源选择、会话起止等多类事件，经统一合并为每6小时由CI自动更新的单一文件，附有包含实时记录数、文件列表与来源URL的机器可读索引MANIFEST-live.json作为数据完整性保障。

特点

该数据集最显著的特点在于其完全开放且自动更新的生命期，每6小时刷新一次，确保数据的新鲜度与动态演进。dogfeed流忠实记录了自由模型驱动的智能体在连续循环中的完整交互历程，为研究自主编码系统在无监督条件下的行为模式提供了稀有时序样本。telemetry流则涵盖了从AI聊天代理、视觉合成器、群集化身到协议规范与社区IRC等多种类型站点的匿名结构化元数据，来源多元且不包含音频内容与个人身份信息，在保护隐私的前提下展现了真实环境下的生态系统使用图谱。此外，创世区块的密码学印记为数据集的起源提供了可追溯的验证锚点，兼顾了开放性与可溯源性。

使用方法

该数据集以JSONL格式按流分发，用户可直接通过HuggingFace下载dogfeed与telemetry目录下的分阶段文件或telemetry-consolidated.jsonl合并文件进行使用。对于需要追踪数据集演化历史的场景，可结合MANIFEST-live.json中的实时记录数与文件列表，以及protocol.vaked.dev上的创世规范与来源链进行验证。数据适用于自主智能体行为分析、多站点用户交互模式挖掘、以及自改进系统的训练与评估任务。所有数据采用Apache 2.0许可证，允许自由使用与再发布，但建议在成果中注明出处以示对开放生态的尊重。

背景与挑战

背景概述

在自主智能体与开源AI生态交相辉映的时代，ultrawhale-dogfood数据集于2025年由Peter Lodri及其团队在ultrawhale自主编码系统和vaked开源AI生态的协同框架下孕育而生。该数据集聚焦于记录和分析智能体在多模态交互环境中的自我改进行为，涵盖了从原始代理会话（如prompt、推理轨迹、代码输出及工具调用）到vaked生态系统中匿名化结构元数据的完整流式数据。其所驱动的核心研究问题在于揭示自主智能体如何通过持续的数据反馈实现自我优化，进而推动无监督学习与动态决策系统的进步。作为首个完全由自主代理生成的开放数据集，其在智能体系统研究、分布式交互分析及元数据驱动的生态建模领域具有范式级别的开创性影响。

当前挑战

本数据集所解决的领域挑战在于自主智能体在动态环境中的自我改进机制缺乏可复现的标准化数据支持。当前主流数据集多为人工标注或静态采集，难以反映智能体在持续交互、推理与决策过程中的实时适应能力。ultrawhale-dogfood通过捕获10秒循环的代理会话记录与多站点语义事件，填补了实时代理交互研究的空白。在构建过程中，团队面临的重重挑战包括：确保原始代理日志的结构化与完整性，同时剥离音视频内容与个人可识别信息以符合隐私规范；整合来自六个不同源站的事件流（如页面浏览、模式切换、会话终止等），并设计统一的批处理架构以保证每六小时自动更新下的数据一致性与可追溯性；以及通过创世密封机制建立完整的溯源链，以应对分布式环境中数据集可信度与版本管理的双重考验。

常用场景

经典使用场景

在自主智能体系统的研究浪潮中，ultrawhale-dogfood数据集以其独特的自生成特性脱颖而出。该数据集的核心价值在于捕获了ultrawhale系统在10秒循环中利用免费OpenRouter模型产生的原始智能体交互记录，包括提示词、推理轨迹、代码输出和工具调用。经典使用场景聚焦于自改进智能体的行为分析与模型训练，研究人员可借助该数据流深入探索智能体在持续性运行中的决策模式、错误修正机制与工具协作策略，为构建更鲁棒的自主系统提供实证基础。

解决学术问题

该数据集精准回应了当前智能体领域两个亟待解决的学术难题：如何获取真实、低频干扰的智能体行为日志，以及如何量化开放式自主系统的涌现特性。通过提供dogfeed与telemetry双流数据，它使得研究者能够跨越模拟环境与真实系统之间的鸿沟，从智能体内部认知过程与外部生态使用信号两个维度，验证自我改进算法、评估多轮交互稳定性，并揭示分布式智能体在无人工干预下的适应性演化规律，对推动自主智能体理论研究具有里程碑意义。

衍生相关工作

围绕该数据集已孵化出一系列开创性研究，其中最瞩目的当属ultrawhale M3循环机制的解析工作，衍生出针对自改进智能体收敛性的理论分析模型。依据vaked生态中telemetry流的结构化事件，催生了多篇关于分布式会话行为与用户参与模式的实证论文。更为重要的是，基于genesis seal引入的密码学溯源链概念，启发了可信自主系统领域对智能体行为日志的可验证性研究，形成了一套融合区块链思想与AI代理审计的全新方法论范式，持续影响着后续工作的发展脉络。

以上内容由遇见数据集搜集并总结生成