Formát dat: konverzace v JSONL
Na této stránce
Aktualizace 2. listopadu 2026 — Dostupnost jemného ladění. Služba pro vlastní jemné ladění od OpenAI se postupně ukončuje: od 7. května 2026 ji organizace, které ji nikdy nepoužily, nemohou nově aktivovat; od 2. července musíte mít během posledních 60 dnů spuštěný alespoň jeden model po jemném ladění; a počínaje 6. lednem 2027 nebude žádný zákazník moci spustit nové úlohy. Již natrénované modely zůstávají funkční až do vyřazení jejich základního modelu. Tento kurz je stále užitečný pro pochopení a využití existujícího modelu; u nových projektů dejte přednost inženýrství promptů, RAG a evaluacím.
Formát JSONL
JSONL (JSON Lines) je požadovaný formát pro API jemného ladění od OpenAI. Každý řádek v souboru představuje nezávislý objekt JSON obsahující jeden kompletní tréninkový příklad. Tato struktura umožňuje streamovat korpusy o desítkách tisíc příkladů, aniž byste museli celý soubor načítat do paměti.
{"messages": [{"role": "system", "content": "..."}, {"role": "user", "content": "..."}, {"role": "assistant", "content": "..."}]}
{"messages": [{"role": "system", "content": "..."}, {"role": "user", "content": "..."}, {"role": "assistant", "content": "..."}]}
Základní pravidlo: jeden řádek = jeden objekt JSON = jeden příklad. Uvnitř objektu JSON nesmí být žádné zalomení řádku. Jinými slovy, „krásně“ formátovaný JSON s odsazením z vašeho editoru soubor znehodnotí – to je nejčastější příčina zamítnutí při nahrávání.
Struktura konverzace
Každý příklad je objekt s klíčem messages, který obsahuje pole zpráv. Každá zpráva má klíč role a content. Přijímány jsou pouze tři role:
- system: globální instrukce pro asistenta (volitelné, ale doporučené)
- user: zpráva uživatele
- assistant: odpověď, kterou se model musí naučit generovat
Minimální formát sestává z jedné výměny mezi uživatelem a asistentem. To stačí, když požadované chování nezávisí na specifickém rámci, například u modelu určeného pro jediný úkol.
{
"messages": [
{"role": "user", "content": "Ahoj, jak se máš?"},
{"role": "assistant", "content": "Ahoj! Jsem připraven pomoci. Co pro tebe mohu udělat?"}
]
}
Jakmile potřebuješ, aby model přijal specifickou roli, přidej systémovou zprávu – a udržuj ji ve všech příkladech identickou. Všimni si v níže uvedeném příkladu, že instrukce „vždy nabídni ukázkovou schůzku“ je ve skutečnosti dodržena v odpovědi asistenta: systémová zpráva popisuje omezení a příklad ukazuje, jak vypadá jeho aplikace.
{
"messages": [
{
"role": "system",
"content": "Jsi obchodní asistent pro společnost TechCorp. Odpovídej stručně a profesionálně. Vždy nabídni ukázkovou schůzku."
},
{
"role": "user",
"content": "Hledám řešení CRM pro svůj tým 50 lidí."
},
{
"role": "assistant",
"content": "Naše CRM TechCorp je navrženo pro týmy od 20 do 200 lidí, nabízí správu kontaktů, prodejní pipeline a integrované reporty. Pro tým o 50 lidech doporučuji plán Business za 29 €/uživatel/měsíc. Chtěli byste si tento týden naplánovat personalizovanou demo schůzku?"
}
]
}
Vícetahové konverzace
Můžeš zahrnout konverzace s více výměnami. Model se pak učí udržovat konzistenci napříč jednotlivými tahy: zde druhá odpověď navazuje na krok 2 oznámený v první, což by izolovaný příklad nedokázal naučit.
{
"messages": [
{
"role": "system",
"content": "Jsi technický asistent pro platební API."
},
{
"role": "user",
"content": "Jak integruji vaše platební API?"
},
{
"role": "assistant",
"content": "Integrace probíhá ve 3 krocích: 1) Nainstaluj SDK pomocí pip install paycorp-sdk, 2) Nakonfiguruj svůj API klíč, 3) Vytvoř svou první platbu. S kterým krokem chceš začít?"
},
{
"role": "user",
"content": "Jak nakonfiguruji API klíč?"
},
{
"role": "assistant",
"content": "Získej svůj klíč z dashboardu (Nastavení > API Keys) a nakonfiguruj jej ve svém kódu:\n\nfrom paycorp import PayCorp\nclient = PayCorp(api_key=\"your_key\")\n\nVe vývoji používej testovací klíč (prefix sk_test_) a v produkci ostrý klíč (sk_live_). Nikdy necommituj své klíče do zdrojového kódu."
}
]
}
Vážení pomocí weight
Můžeš modelu sdělit, které zprávy asistenta jsou nejdůležitější, přidáním pole weight:
{
"messages": [
{"role": "user", "content": "Shrň tento dokument."},
{"role": "assistant", "content": "Zde je shrnutí...", "weight": 1}
]
}
Hodnota weight rovna 0 znamená, že se model na této konkrétní zprávě asistenta nebude učit; výchozí hodnota je 1. Typickým případem použití jsou vícetahové konverzace, kde záleží pouze na posledním tahu: předchozí výměny zachováš, protože poskytují nezbytný kontext, ale nechceš, aby se je model učil reprodukovat – stačí je nastavit na 0.
Skript pro vytvoření souboru JSONL
V praxi tento soubor nikdy nepíšeš ručně. Níže uvedená funkce serializuje seznam příkladů a chrání tě před dvěma nejčastějšími úskalími: zapomenutím konečného zalomení řádku a nesprávným zpracováním escapování diakritiky.
import json
def create_jsonl_file(examples: list[dict], path: str):
"""Creates a JSONL file from a list of examples."""
with open(path, "w", encoding="utf-8") as f:
for example in examples:
line = json.dumps(example, ensure_ascii=False)
f.write(line + "\n")
print(f"File created: {path} ({len(examples)} examples)")
# Your examples
examples = [
{
"messages": [
{"role": "system", "content": "TechCorp customer support assistant."},
{"role": "user", "content": "My account is locked."},
{"role": "assistant", "content": "I understand your frustration. To unlock your account, I need your registration email address. I'll check the status and guide you through the reactivation process."}
]
},
{
"messages": [
{"role": "system", "content": "TechCorp customer support assistant."},
{"role": "user", "content": "How do I change my password?"},
{"role": "assistant", "content": "To change your password: go to Settings > Security > Change Password. Enter your current password, then the new one (minimum 12 characters, with uppercase, number, and special character). Confirm and click Save."}
]
}
]
create_jsonl_file(examples, "training_data.jsonl")
Chyby, na které narazíš, jsou vždy stejné a všechny lze detekovat před nahráním. Chybějící zalomení řádku mezi dvěma objekty sloučí dva příklady do jednoho nečitelného řádku. Chybně formátovaný JSON – chybějící uvozovka, nadbytečná čárka – způsobí selhání celého řádku. Prázdné pole content spustí chybu validace na straně OpenAI, stejně jako vymyšlená role: přijímány jsou pouze system, user a assistant. Nakonec vždy piš v kódování UTF-8 s parametrem ensure_ascii=False, jinak se ti znaky s diakritikou změní na escape sekvence, které se model svědomitě naučí reprodukovat.
Klíčové poznatky
- Jeden řádek JSONL = jeden objekt JSON = jedna kompletní konverzace
- Každá konverzace obsahuje alespoň jednu zprávu
usera jednu zprávuassistant - Zpráva
systemje volitelná, ale doporučená pro zachování konzistence - Použij
weight: 0k vyloučení určitých tahů z tréninku u vícetahových konverzací - Před nahráním vždy validuj svůj soubor JSONL