我正在为AI代理构建一个信念数据库。这是一个原型——你有真实数据集可以测试吗？

大家好，我正在构建 **Verus** —— 一个为AI代理设计的开源信念数据库。核心理念是：传统数据库存储事实：`user.city = 'Lisbon'`，而 Verus 存储的是 **声明** —— 关于同一事物的多个断言来自不同来源，每个都带有置信度评分、有效期以及冲突检测。它帮助代理决定 **该相信什么**。示例：4个来源对用户位置给出了4种不同说法（CRM显示纽约，用户说里斯本，IP地理位置显示伦敦，日历显示东京）。Verus 追踪全部四个来源及其置信度和有效期，检测矛盾，并通过策略驱动的解决方案将其暴露给代理。原型展示了： * 冲突图 —— 节点是声明，边是它们之间的矛盾 * 随时间视觉衰减的置信度评分 * 来源过滤（CRM、用户输入、API、文档、代理推理） * 带有有效窗口的声明时间线 **技术栈：** Rust 核心（二进制存储，单个文件，零依赖）+ MCP 服务器（与 Claude Code、Cursor、VS Code、Windsurf 兼容）+ 用于可视化的 Web 界面。 **我所寻求的：** 我已经用合成数据（24个声明，9个冲突，来自5个来源）构建了这个原型。在进一步深入之前，我想用真实场景进行验证： 1. **你是否有来自多个来源的冲突信息数据集**，我可以用作测试？ 2. **你目前在代理中处理冲突数据的方法是什么？** 硬编码规则？LLM 提示？还是其他方法？ 3. **你最常遇到的冲突类型是什么** —— 矛盾、数据过时、来源可靠性问题？ 对这个概念或原型的任何反馈也都很受欢迎。谢谢！