- forum-solved-export: 3539 个已解决话题(问题+全部对话+采纳回答),含索引 - rdk-docs-export: 21 个文档子站 ~3430 篇 Markdown(源码仓库/抓取/反解析三种方式) - kb-eval: 352 条 RAG 检索评测集(答案全部锚定文档、多轮子代理交叉审计), 含检索/出题/校验工具与子代理提示词模板,支持增量扩产 - pipeline: 论坛枚举导出、文档抓取反解析、覆盖率统计全部脚本(可重跑)
RDK 官方文档数据集(developer.d-robotics.cc)
生成时间:2026-09-17。本目录把 D-Robotics 开发者文档中心的各子站整理为 Markdown,分三类:
1. 有原文档(GitHub 源码仓库,原生 Markdown)
以下 15 个站点由 D-Robotics org 的 Docusaurus 内容仓库构建,本数据集直接取自各仓库 main 分支
(docs/ 为中文正文,i18n/en/... 为英文版),是原生 Markdown 原文档:
| 站点目录 | 源码仓库 | 在线地址 | 源文件数(md) |
|---|---|---|---|
| rdk_x_doc/ | D-Robotics/rdk_x_doc | /rdk_x_doc/ | 433 |
| rdk_s_doc/ | D-Robotics/rdk_s_doc | /rdk_s_doc/ | 484 |
| rdk_doc/ | D-Robotics/rdk_doc | /rdk_doc/(旧版总站) | 990 |
| rdk_studio_doc/ | D-Robotics/rdk_studio_doc | /rdk_studio_doc/ | 215 |
| tros_doc/ | D-Robotics/tros_doc | /tros_doc/ | 145 |
| model_zoo_doc/ | D-Robotics/model_zoo_doc | /model_zoo_doc/ | 64 |
| accessories_doc/ | D-Robotics/accessories_doc | /accessories_doc/ | 48 |
| x5_cases_doc/ | D-Robotics/x5_cases_doc | /x5_cases_doc/ | 32 |
| xburn_doc/ | D-Robotics/xburn_doc | /xburn_doc/ | 30 |
| case_doc/ | D-Robotics/case_doc | /case_doc/ | 28 |
| accessories_stereo_camera_doc/ | D-Robotics/accessories_stereo_camera_doc | /accessories_stereo_camera_doc/ | 28 |
| magicbox_doc/ | D-Robotics/magicbox_doc | /magicbox_doc/ | 25 |
| accessories_bmi088_doc/ | D-Robotics/accessories_bmi088_doc | /accessories_bmi088_doc/ | 22 |
| accessories_audio_kit_doc/ | D-Robotics/accessories_audio_kit_doc | /accessories_audio_kit_doc/ | 14 |
| tros_vims_doc/ | D-Robotics/tros_vims_doc | /tros_vims_doc/ | 7(md 位于仓库根目录) |
URL ↔ 源文件对应规则:站点路由由文件路径 + frontmatter slug(各文件普遍写有绝对 slug)+
数字前缀剥离规则决定;coverage.csv 给出逐站覆盖统计。
2. 无公开源码仓库(网页抓取后转换为 Markdown)
| 目录 | 站点(生成器) | 抓取页面数 | 说明 |
|---|---|---|---|
| x5_sdk_doc/ | /x5_sdk_doc/(Sphinx,X5 芯片用户手册) | 214 | 由 searchindex.js 枚举全部页面 |
| oe_x3_doc/ | /oe_x3_doc/cn/(Sphinx,Open Explorer X3) | 109 | 同上 |
| oe_x5_doc/ | /oe_x5_doc/cn/(Sphinx,Open Explorer X5) | 106 | 同上 |
抓取文件头部均标注原始 URL。
3. Rspress SPA 站点(无源码仓库,从打包资源反解析导出)
| 目录 | 站点(生成器) | 导出页面数(中文版) | 说明 |
|---|---|---|---|
| oe_s_doc/ | /oe_s_doc/(Rspress,Open Explorer S 系列工具链) | 377 / 380 | 站点路由共 764 条(中 380 / 英 384),英文版未导出 |
| oe_llm_s100p_doc/ | /oe_llm_s100p_doc/(Rspress,地瓜 LLM S100/S100P) | 29 / 30 | 同上 |
| oe_llm_s600_doc/ | /oe_llm_s600_doc/(Rspress,地瓜 LLM S600) | 27 / 28 | 同上 |
这三个站正文由 JS 在浏览器端渲染(HTML 为空壳)且无公开源码仓库。本次通过直接解析其前端打包产物完成导出: 从 webpack runtime 提取 chunk 清单 → 下载全部异步 chunk → 按路由表(path ↔ chunk/module)定位每页 编译后的 MDX 组件 → 反解析 JSX 调用树还原为 Markdown(标题/段落/表格/列表/代码块/图片链接均保留)。
未导出的 5 页:3 页的异步 chunk 在服务器上不存在(guide/advanced_content/hmct_api_reference/build_model、
guide/plugin/advanced_tutorial/fx_quantization_explain、guide/ucp/vp/vp1_Introduction,线上同样无法加载),
另 3 页为各站首页跳转壳(无正文)。英文版如需要可按同一方法导出。
各站中文版导航标题清单见 _uncovered_titles/ 目录(历史命名,现已覆盖)。
覆盖率总览
对 14 个有 sitemap 的站点(合计 1529 个在线 URL):
- 1247 个 URL 有源码 Markdown 对应(1026 直接对应 + 221 新旧路由别名,内容同源)
- 116 个为自动生成的分类索引页(无正文)
- 39 个为模板/搜索/博客页(无正文)
- 127 个未匹配,其中 118 个集中在旧版 rdk_doc 站(旧版路由,仓库中有 990 个源文件,内容均可追溯)
逐站明细见 coverage.csv。
数据规模
- Markdown/MDX 文件总数:约 3428(源码 2565 + Sphinx 抓取 429 + Rspress 反解析 433)
- 总大小:约 44MB