百年百科结构化，免版权AI训练数据

做专业领域RAG的团队之前大多依赖维基百科或自行爬取，但前者有版权限制且包含现代偏见，后者清理成本极高。这个项目把1911年版大英百科全书——公共领域最权威的英语知识库——做了完整结构化，包含4万篇文章和交叉引用链路，OCR质量经过人工校对。

如果你在做法律、历史或古典文学方向的AI应用，这是目前可用性最高的无版权知识基线。比Project Gutenberg的原始文本更适合直接用来构建向量数据库，省掉至少两周的数据清洗时间。