Andmeformaat: JSONL-vestlused
Sellel lehel
Uuendus 2. november 2026 — Häälestamise kättesaadavus. OpenAI iseteeninduslik häälestamine kaotatakse järk-järgult: alates 7. maist 2026 ei saa organisatsioonid, kes seda varem kasutanud pole, enam uusi töid luua; alates 2. juulist pead olema häälestatud mudelit kasutanud viimase 60 päeva jooksul; ja alates 6. jaanuarist 2027 ei saa ükski klient uusi töid käivitada. Juba treenitud mudeleid saab kasutada seni, kuni nende baasmudel on kasutuselt kõrvaldatud. See kursus on endiselt kasulik olemasoleva mudeli mõistmiseks ja ära kasutamiseks; uute projektide puhul eelista viisendamise tehnikat (prompt engineering), RAG-i ja hindamist.
JSONL-formaat
JSONL (JSON Lines) on OpenAI häälestamise API jaoks nõutav formaat. Iga rida failis on sõltumatu JSON-objekt, mis esindab ühte täielikku treeningnäidet. See struktuur võimaldab sul edastada kümnete tuhandete näidete kogumit, laadimata kogu faili kunagi mällu.
{"messages": [{"role": "system", "content": "..."}, {"role": "user", "content": "..."}, {"role": "assistant", "content": "..."}]}
{"messages": [{"role": "system", "content": "..."}, {"role": "user", "content": "..."}, {"role": "assistant", "content": "..."}]}
Põhireegel: üks rida = üks JSON-objekt = üks näide. Ära lisa reavahetusi JSON-objekti enda sisse. Teisisõnu, sinu tekstiredaktori loodud „ilusasti vormindatud“ ja taandega JSON rikub faili – see on kõige levinum põhjus, miks üleslaadimine tagasi lükatakse.
Vestluse struktuur
Iga näide on objekt võtmega messages, mis sisaldab sõnumite massiivi. Igal sõnumil on role ja content. Lubatud on ainult kolm rolli:
- system: ülemaailmsed juhised assistendile (valikuline, kuid soovitatav)
- user: kasutaja sõnum
- assistant: vastus, mida mudel peab õppima tootma
Minimaalne formaat koosneb ühest kasutaja ja assistendi vahetusest. See on piisav, kui soovitud käitumine ei sõltu konkreetsest raamistusest, näiteks ühele kindlale ülesandele pühendatud mudeli puhul.
{
"messages": [
{"role": "user", "content": "Tere, kuidas läheb?"},
{"role": "assistant", "content": "Tere! Olen valmis aitama. Mida saan sinu heaks teha?"}
]
}
Niipea kui mudel peab võtma konkreetse rolli, lisa süsteemsõnum – ja hoia see kõigis oma näidetes identne. Pane allolevas näites tähele, et juhend „paku alati demo-kohtumist“ on tegelikult assistendi vastuses täidetud: süsteemsõnum kirjeldab piirangut ja näide näitab, kuidas see rakendatuna välja näeb.
{
"messages": [
{
"role": "system",
"content": "Oled TechCorpi müügiassistent. Vasta lakooniliselt ja professionaalselt. Paku alati demo-kohtumist."
},
{
"role": "user",
"content": "Otsin 50-liikmelisele meeskonnale CRM-lahendust."
},
{
"role": "assistant",
"content": "Meie TechCorpi CRM on loodud 20–200-liikmelistele meeskondadele, pakkudes kontaktihaldust, müügitorustikku ja integreeritud aruandlust. 50-liikmelise meeskonna jaoks soovitan Äriplaani hinnaga 29 €/kasutaja/kuus. Kas sooviksid sel nädalal isikupärastatud demo kokku leppida?"
}
]
}
Mitmevoorulised vestlused
Saad lisada vestlusi, mis koosnevad mitmest vahetusest. Mudel õpib siis säilitama järjepidevust voorude lõikes: siin tugineb teine vastus esimeses voorus välja kuulutatud 2. sammule, mida üksiknäide õpetada ei saaks.
{
"messages": [
{
"role": "system",
"content": "Oled makse API tehniline assistent."
},
{
"role": "user",
"content": "Kuidas integreerida teie makse API-d?"
},
{
"role": "assistant",
"content": "Integreerimine toimub 3 sammuga: 1) Installi SDK käsuga pip install paycorp-sdk, 2) Seadista oma API võti, 3) Loo oma esimene makse. Millise sammuga soovid alustada?"
},
{
"role": "user",
"content": "Kuidas seadistada API võtit?"
},
{
"role": "assistant",
"content": "Hangi võti juhtpaneelilt (Settings > API Keys) ja seadista see oma koodis:\n\nfrom paycorp import PayCorp\nclient = PayCorp(api_key=\"your_key\")\n\nKasuta arenduses testvõtit (eesliide sk_test_) ja tootmises live-võtit (sk_live_). Ära kunagi salvesta võtmeid lähtekoodi."
}
]
}
Kaalumine võtmega weight
Saad mudelile märkida, millised assistendi sõnumid on kõige olulisemad, lisades välja weight:
{
"messages": [
{"role": "user", "content": "Võta see dokument kokku."},
{"role": "assistant", "content": "Siin on kokkuvõte...", "weight": 1}
]
}
weight väärtus 0 tähendab, et mudel ei treeni sellel konkreetsel assistendi sõnumil; vaikimisi väärtus on 1. Tüüpiline kasutusjuhtum on mitmevooruline vestlus, kus oluline on ainult viimane voor: hoiad eelmised vahetused alles, kuna need pakuvad vajalikku konteksti, kuid ei soovi, et mudel õpiks neid kordama – sea need lihtsalt väärtusele 0.
JSONL-faili loomise skript
Praktikas ei kirjuta sa seda faili kunagi käsitsi. Allpool olev funktsioon teisendab näidete loendi jadaks ja kaitseb sind kahe kõige levinud lõksu eest: viimase reavahetuse unustamine ja tähtede kodeeringu valesti käsitlemine.
import json
def create_jsonl_file(examples: list[dict], path: str):
"""Loob JSONL-faili näidete loendist."""
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"Fail loodud: {path} ({len(examples)} näidet)")
# Sinu näited
examples = [
{
"messages": [
{"role": "system", "content": "TechCorpi klienditoe assistent."},
{"role": "user", "content": "Mu konto on lukus."},
{"role": "assistant", "content": "Mõistan sinu pettumust. Konto avamiseks vajan sinu registreerimise käigus kasutatud e-posti aadressi. Kontrollin staatust ja juhendan sind taaskäivitamise protsessis."}
]
},
{
"messages": [
{"role": "system", "content": "TechCorpi klienditoe assistent."},
{"role": "user", "content": "Kuidas muuta oma parooli?"},
{"role": "assistant", "content": "Parooli muutmiseks: mine menüüsse Settings > Security > Change Password. Sisesta oma praegune parool ja seejärel uus (vähemalt 12 tähemärki, sisaldades suurtähte, numbrit ja erimärki). Kinnita ja klõpsa Salvesta."}
]
}
]
create_jsonl_file(examples, "training_data.jsonl")
Vead, millega kokku puutud, on alati samad ja kõik need on tuvastatavad enne üleslaadimist. Reavahetuse puudumine kahe objekti vahel liidab kaks näidet üheks loetamatuks reaks. Vigane JSON – puuduv jutumärk, liigne koma – nurjab kogu rea. Tühi content käivitab OpenAI poolse valideerimisvea, nagu ka väljamõeldud roll: lubatud on ainult system, user ja assistant. Lõpuks, kirjuta alati UTF-8 kodeeringus kasutades ensure_ascii=False, vastasel juhul muutuvad täpitähed escape-jadadeks, mida mudel hakkab kohusetundlikult kordama õppima.
Peamised punktid
- Üks JSONL-rida = üks JSON-objekt = üks täielik vestlus
- Iga vestlus sisaldab vähemalt üht
usersõnumit ja ühtassistantsõnumit systemsõnum on valikuline, kuid järjepidevuse huvides soovitatav- Kasuta
weight: 0, et välistada teatud voorud treeningust mitmevoorulistes vestlustes - Valideeri oma JSONL-fail alati enne üleslaadimist