Tietomuoto: JSONL-keskustelut
Tällä sivulla
Päivitys 2. marraskuuta 2026 — Hienosäädön saatavuus. OpenAI:n itsepalveluhienosäätö on poistumassa: 7. toukokuuta 2026 lähtien organisaatiot, jotka eivät ole koskaan käyttäneet sitä, eivät voi enää luoda tehtäviä; 2. heinäkuuta lähtien sinun on täytynyt käyttää hienosäädettyä mallia viimeisen 60 päivän aikana; ja 6. tammikuuta 2027 alkaen mikään asiakas ei voi käynnistää uusia tehtäviä. Jo koulutetut mallit pysyvät käytössä, kunnes niiden perusmalli poistetaan käytöstä. Tämä kurssi on edelleen hyödyllinen olemassa olevan mallin ymmärtämiseen ja hyödyntämiseen; uusissa projekteissa priorisoi kehotesuunnittelua (prompt engineering), RAG:ia ja arviointeja.
JSONL-muoto
JSONL (JSON Lines) on vaadittu muoto OpenAI:n hienosäätörajapinnalle. Tiedoston jokainen rivi on itsenäinen JSON-objekti, joka edustaa yhtä täydellistä koulutusesimerkkiä. Tämä rakenne mahdollistaa kymmenientuhansien esimerkkien virtauksen lataamatta koko tiedostoa muistiin kerralla.
{"messages": [{"role": "system", "content": "..."}, {"role": "user", "content": "..."}, {"role": "assistant", "content": "..."}]}
{"messages": [{"role": "system", "content": "..."}, {"role": "user", "content": "..."}, {"role": "assistant", "content": "..."}]}
Perussääntö: yksi rivi = yksi JSON-objekti = yksi esimerkki. Älä sisällytä rivinvaihtoja itse JSON-objektin sisään. Toisin sanoen editorisi tuottama “kauniisti muotoiltu” sisennetty JSON rikkoo tiedoston – tämä on yleisin syy latauksen hylkäämiselle.
Keskustelun rakenne
Jokainen esimerkki on objekti, jossa on messages-avain, joka sisältää viestien taulukon. Jokaisella viestillä on role ja content. Vain kolme roolia hyväksytään:
- system: yleiset ohjeet avustajalle (valinnainen, mutta suositeltava)
- user: käyttäjän viesti
- assistant: vastaus, jonka mallin tulee oppia tuottamaan
Minimaalinen muoto koostuu yhdestä käyttäjä/avustaja-vaihdosta. Tämä riittää, kun haluttu käyttäytyminen ei riipu tietystä kehyksestä, kuten yksittäiseen tehtävään omistetussa mallissa.
{
"messages": [
{"role": "user", "content": "Hei, mitä kuuluu?"},
{"role": "assistant", "content": "Hei! Olen valmiina auttamaan. Mitä voin tehdä puolestasi?"}
]
}
Heti kun mallin tulee omaksua tietty rooli, lisää järjestelmäviesti – ja pidä se identtisenä kaikissa esimerkeissäsi. Huomaa alla olevassa esimerkissä, että ohje “tarjoa aina demotapaaminen” toteutuu todellakin avustajan vastauksessa: järjestelmäviesti kuvaa rajoitetta, ja esimerkki näyttää, miltä se näyttää sovellettuna.
{
"messages": [
{
"role": "system",
"content": "Olet TechCorpin myyntiavustaja. Vastaa ytimekkäästi ja ammattimaisesti. Tarjoa aina demotapaamista."
},
{
"role": "user",
"content": "Etsin CRM-ratkaisua 50 hengen tiimilleni."
},
{
"role": "assistant",
"content": "TechCorpin CRM on suunniteltu 20–200 hengen tiimeille, ja siinä on yhteyshenkilöiden hallinta, myyntiputki ja integroidut raportit. 50 hengen tiimille suosittelen Business-suunnitelmaa hintaan 29 €/käyttäjä/kuukausi. Haluaisitko varata personoidun demon tälle viikolle?"
}
]
}
Monivaiheiset keskustelut
Voit sisällyttää keskusteluja, joissa on useita vaihtoja. Malli oppii tällöin ylläpitämään johdonmukaisuutta vuorojen yli: tässä toinen vastaus rakentuu ensimmäisessä ilmoitetulle vaiheelle 2, mitä eristetty esimerkki ei voisi opettaa.
{
"messages": [
{
"role": "system",
"content": "Olet tekninen avustaja maksurajapinnalle."
},
{
"role": "user",
"content": "Miten integroin maksurajapintanne?"
},
{
"role": "assistant",
"content": "Integrointi tapahtuu kolmessa vaiheessa: 1) Asenna SDK komennolla pip install paycorp-sdk, 2) Määritä API-avaimesi, 3) Luo ensimmäinen maksusi. Minkä vaiheen kanssa haluat aloittaa?"
},
{
"role": "user",
"content": "Miten määritän API-avaimen?"
},
{
"role": "assistant",
"content": "Hae avaimesi kojelaudalta (Settings > API Keys) ja määritä se koodissasi:\n\nfrom paycorp import PayCorp\nclient = PayCorp(api_key=\"your_key\")\n\nKäytä testausavainta (etuliite sk_test_) kehityksessä ja tuotantoavainta (sk_live_) tuotannossa. Älä koskaan commitoi avaimiasi lähdekoodiin."
}
]
}
Painotus weight-kentällä
Voit kertoa mallille, mitkä avustajan viestit ovat tärkeimpiä, lisäämällä weight-kentän:
{
"messages": [
{"role": "user", "content": "Tee yhteenveto tästä dokumentista."},
{"role": "assistant", "content": "Tässä on yhteenveto...", "weight": 1}
]
}
weight-arvo 0 tarkoittaa, että malli ei kouluta kyseisellä tietyllä avustajan viestillä; oletusarvo on 1. Tyypillinen käyttötarkoitus on monivaiheiset keskustelut, joissa vain viimeinen vuoro merkitsee: pidät aiemmat vaihdot, koska ne tarjoavat tarvittavan kontekstin, mutta et halua mallin oppivan toistamaan niitä – aseta ne vain arvoon 0.
JSONL-tiedoston luontiskripti
Käytännössä et koskaan kirjoita tätä tiedostoa käsin. Alla oleva funktio sarjoittaa listan esimerkkejä ja suojaa sinua kahdelta yleisimmältä sudenkuopalta: viimeisen rivinvaihdon unohtamiselta ja merkkien koodauksen virheelliseltä käsittelyltä.
import json
def create_jsonl_file(examples: list[dict], path: str):
"""Luo JSONL-tiedoston esimerkkilistasta."""
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"Tiedosto luotu: {path} ({len(examples)} esimerkkiä)")
# Esimerkkisi
examples = [
{
"messages": [
{"role": "system", "content": "TechCorpin asiakastukiavustaja."},
{"role": "user", "content": "Tilini on lukittu."},
{"role": "assistant", "content": "Ymmärrän turhautumisesi. Avatakseni tilisi tarvitsen rekisteröitymissähköpostiosoitteesi. Tarkistan tilan ja ohjaan sinut uudelleenaktivointiprosessin läpi."}
]
},
{
"messages": [
{"role": "system", "content": "TechCorpin asiakastukiavustaja."},
{"role": "user", "content": "Miten vaihdan salasanani?"},
{"role": "assistant", "content": "Vaihtaaksesi salasanasi: mene kohtaan Settings > Security > Change Password. Syötä nykyinen salasanasi, sitten uusi (vähintään 12 merkkiä, sisältäen isoja kirjaimia, numeron ja erikoismerkin). Vahvista ja klikkaa Tallenna."}
]
}
]
create_jsonl_file(examples, "training_data.jsonl")
Kohtaamasi virheet ovat aina samoja, ja ne kaikki voidaan havaita ennen latausta. Rivinvaihdon puuttuminen kahden objektin välillä yhdistää kaksi esimerkkiä yhdeksi lukukelvottomaksi riviksi. Virheellinen JSON – puuttuva lainausmerkki, ylimääräinen pilkku – epäonnistaa koko rivin osalta. Tyhjä content aiheuttaa validointivirheen OpenAI:n puolella, samoin keksitty rooli: vain system, user ja assistant hyväksytään. Lopuksi, kirjoita aina UTF-8-muodossa käyttäen ensure_ascii=False, muuten tarkkeelliset merkkisi muuttuvat escape-sekvensseiksi, jotka malli oppii tunnollisesti toistamaan.
Keskeiset asiat
- Yksi JSONL-rivi = yksi JSON-objekti = yksi täydellinen keskustelu
- Jokainen keskustelu sisältää vähintään yhden
user-viestin ja yhdenassistant-viestin system-viesti on valinnainen, mutta suositeltava johdonmukaisuuden vuoksi- Käytä arvoa
weight: 0sulkeaksesi pois tiettyjä vuoroja koulutuksesta monivaiheisissa keskusteluissa - Validoi JSONL-tiedostosi aina ennen lataamista