my-personal-codex-data
קוד פתוחpeteromalletmit2026-02-25
המאגר מרכז תיעוד מלא של שיחות פיתוח מול סוכני קוד, כולל קריאות לכלים ותהליכי חשיבה. הוא מתאים למי שרוצה לאמן או לבחון מודלים על התנהגות עבודה אמיתית.
- 358הורדות בחודש
- 22לייקים
מה זה
המאגר מכיל 1,297 שיחות עבודה מלאות מול סוכני קוד, שנאספו ממשתמש יחיד באמצעות הכלי DataClaw. כל רשומה מייצגת סשן שלם שנשמר בקובץ JSONL ומחולק לפי תאריכים. הרשומות כוללות את רצף ההודעות, תהליך החשיבה של המודל, הפעלת כלי שורת פקודה עם הקלטים והפלטים שלהם, ומטא-דאטה מפורט על זמנים וספירת טוקנים.
רוב מוחלט של השיחות, 1,083 מתוכן, נוצר מול gpt-5.4, לצד 183 סשנים מול gpt-5.3-codex וכמויות קטנות יותר מול gpt-5.5 ודגם המיני. הנתונים מתפרסים על פני 63 קבצי מידע. מבחינת סינון ופרטיות, המפרסם מציין שנתיבי הקבצים עברו אנונימיזציה כדי שיהיו יחסיים לפרויקט, ושמות משתמשים הומרו לערכי גיבוב.
מתאים ל
- אימון סוכני קוד
לימוד מודלים כיצד להשתמש בכלי שלד, להריץ פקודות ולתקן שגיאות לפי פלט המערכת.
- ניתוח תהליכי חשיבה
בדיקת אופן הסקת המסקנות בשדה ה־thinking של המודל מול הפעולות שביצע בפועל.
- הערכת ביצועי מודלים
שימוש בסשנים קיימים כמבחן ייחוס להתמודדות עם משימות פיתוח רב-שלביות.
איפה זה נופל
הנתונים מגיעים ממקור יחיד ומייצגים סגנון עבודה ופרויקטים של מתכנת אחד בלבד, כך שיש כאן הטיה אישית מובנית. כל השיחות מנוהלות באנגלית, ואין כאן ייצוג לעברית או לשפות אחרות. למרות שבוצע גיבוב לשמות משתמשים ונתיבים עודנו, בסשנים של פיתוח עלול לזלוג מידע רגיש בתוך פלטי פקודות או קטעי קוד, מה שמחייב בדיקה עצמאית לפני שמכניסים את החומר לאימון.
שאלות
נפוצות
האם מותר להשתמש במאגר לפיתוח מוצר מסחרי?
כן, המאגר פורסם תחת רישיון MIT. הרישיון מאפשר שימוש מסחרי מלא, כולל אימון מודלים המיועדים למכירה. התנאי היחיד הוא שמירת הודעת זכויות היוצרים המקורית.
האם המאגר כולל שיחות או קוד בעברית?
המאגר מוגדר רשמית בשפה האנגלית בלבד. כל האינטראקציות, ההוראות והקוד מתועדים באנגלית. מי שמחפש דאטה בעברית לא ימצא אותה כאן.
איך הנתונים נאספו בפועל?
הנתונים נרשמו באמצעות כלי ייעודי בשם DataClaw שמתעד סשנים של סוכני פיתוח. המפתח ייצא את היסטוריית השיחות שלו מול מספר מודלים לתוך קובצי JSONL לפי תאריכים.
במה המאגר שונה ממאגרי שיחות קוד סטנדרטיים?
בניגוד למאגרים שמכילים רק שאלות ותשובות של טקסט וקוד, כאן מתועד תהליך עבודה מלא של סוכן. הוא שומר את שרשרת המחשבה, הפעלת כלי המערכת והמשוב שהתקבל בזמן אמת.
איך טוענים
טוענים את הנתונים ישירות דרך ספריית datasets באמצעות הפקודה load_dataset עם המזהה peteromallet/my-personal-codex-data והקונפיגורציה codex. הגישה פתוחה לחלוטין ואין צורך בהרשאות מיוחדות. המאגר מורכב מ־67 קבצים בסך הכל. בזמן העיבוד, השדות המרכזיים שתרצו לבדוק במבנה הם מערך ה־messages שמכיל את תוכן התשובות, בלוק ה־thinking של המודל, והמערך tool_uses שבו מתועדות פקודות הבאש והתוצאות שלהן.
from datasets import load_dataset
ds = load_dataset("peteromallet/my-personal-codex-data")הרישיון
המאגר מופץ תחת רישיון MIT. הרישיון מתיר שימוש מסחרי, שינוי והפצה של המידע, ואינו דורש שיתוף באותו רישיון. תצטרכו רק לכלול את הודעת זכויות היוצרים המקורית. המשמעות היא שניתן לאמן מודלים על הנתונים הללו ולהשתמש בהם במוצרים מסחריים.
- שימוש מסחרי
- שינוי הקוד
- הפצה מחדש