ByteDance/Q-Insight 已完整同步

使用这个数据集

REST 可获取元数据和文件分页；当前数据集没有可在线读取的记录样例。

查看元数据

curl -sS 'https://dataset.wehub.plus/v2/datasets/ds_ext_3002_72acf33e18'

列出文件

curl -sS 'https://dataset.wehub.plus/v2/datasets/ds_ext_3002_72acf33e18/files?version=8dc8e4c3c119fe589c1f48143126d7e2be2f19c7&limit=20&offset=0'

前置要求

需要 Node.js 18 及以上，以及 npm（或 npx）。

1. 安装 CLI

npm install -g wehub-cli@latest

2. 下载此数据集

wehub datasets download ds_ext_3002_72acf33e18 --revision 8dc8e4c3c119fe589c1f48143126d7e2be2f19c7 --output ./ds_ext_3002_72acf33e18

若中断或部分失败，在同一目录重新执行同一命令即可续传。默认会校验 SHA-256。

免全局安装

npx --yes wehub-cli@latest datasets download ds_ext_3002_72acf33e18 --revision 8dc8e4c3c119fe589c1f48143126d7e2be2f19c7 --output ./ds_ext_3002_72acf33e18

高级选项

以下为 wehub datasets download 已支持的参数示例：

强制重新下载，不复用已校验的本地文件

wehub datasets download ds_ext_3002_72acf33e18 --revision 8dc8e4c3c119fe589c1f48143126d7e2be2f19c7 --output ./ds_ext_3002_72acf33e18 --overwrite

仅包含匹配路径

wehub datasets download ds_ext_3002_72acf33e18 --revision 8dc8e4c3c119fe589c1f48143126d7e2be2f19c7 --output ./ds_ext_3002_72acf33e18 --include "*.jsonl"

排除匹配路径

wehub datasets download ds_ext_3002_72acf33e18 --revision 8dc8e4c3c119fe589c1f48143126d7e2be2f19c7 --output ./ds_ext_3002_72acf33e18 --exclude "*.md"

提高并发下载数

wehub datasets download ds_ext_3002_72acf33e18 --revision 8dc8e4c3c119fe589c1f48143126d7e2be2f19c7 --output ./ds_ext_3002_72acf33e18 --jobs 8

完整帮助：wehub datasets download --help