Přejít na hlavní obsah
Čeština— Vyberte jazyk
Menu

Formát dat: konverzace v JSONL

Lekce 3 z 16 Aktualizováno 2. listopadu 2026 Pokročilý
Na této stránce
  1. Formát JSONL
  2. Struktura konverzace
  3. Vícetahové konverzace
  4. Vážení pomocí weight
  5. Skript pro vytvoření souboru JSONL
  6. Klíčové poznatky

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 user a jednu zprávu assistant
  • Zpráva system je volitelná, ale doporučená pro zachování konzistence
  • Použij weight: 0 k vyloučení určitých tahů z tréninku u vícetahových konverzací
  • Před nahráním vždy validuj svůj soubor JSONL