Adatformátum: JSONL beszélgetések
Ezen az oldalon
Frissítés: 2026. november 2. — Finomhangolás elérhetősége. Az OpenAI megszünteti az önálló finomhangolási szolgáltatását: 2026. május 7. óta azok a szervezetek, amelyek még sosem használták, már nem hozhatnak létre új feladatokat; július 2. óta pedig az elmúlt 60 napban használnod kellett egy finomhangolt modellt. 2027. január 6-tól kezdve egyetlen ügyfél sem indíthat új feladatokat. A már betanított modellek addig használhatók maradnak, amíg az alapmodelljüket ki nem vonják. Ez a tanfolyam továbbra is hasznos egy meglévő modell megértéséhez és kiaknázásához; új projektek esetén azonban előnyben részesítsd a prompt-mérnökséget, a RAG-ot és az értékeléseket.
A JSONL formátum
A JSONL (JSON Lines) a kötelező formátum az OpenAI finomhangoló API-jához. A fájl minden sora egy független JSON-objektum, amely egy teljes tanítási példát reprezentál. Ez a struktúra lehetővé teszi, hogy tízezres nagyságrendű korpuszt streamelj anélkül, hogy valaha is a teljes fájlt a memóriába kellene töltened.
{"messages": [{"role": "system", "content": "..."}, {"role": "user", "content": "..."}, {"role": "assistant", "content": "..."}]}
{"messages": [{"role": "system", "content": "..."}, {"role": "user", "content": "..."}, {"role": "assistant", "content": "..."}]}
Alapszabály: egy sor = egy JSON-objektum = egy példa. Ne tegyél sortöréseket magába a JSON-objektumba. Más szóval, a szerkesztőd által generált „szép nyomtatású“, behúzott JSON tönkreteszi a fájlt – ez a feltöltés elutasításának leggyakoribb oka.
Beszélgetés szerkezete
Minden példa egy objektum, amely egy messages kulcsot tartalmaz; ez egy üzenettömböt jelöl. Minden üzenetnek van egy role (szerep) és egy content (tartalom) mezője. Csak három szerep elfogadott:
- system: globális utasítások az asszisztens számára (opcionális, de ajánlott)
- user: a felhasználó üzenete
- assistant: a válasz, amelyet a modellnek meg kell tanulnia előállítani
A minimális formátum egyetlen felhasználó/asszisztens váltásból áll. Ez elegendő akkor, ha a kívánt viselkedés nem függ specifikus keretrendszertől, például egy egyetlen feladatra specializálódott modell esetén.
{
"messages": [
{"role": "user", "content": "Szia, hogy vagy?"},
{"role": "assistant", "content": "Szia! Készen állok a segítségre. Mit tehetek érted?"}
]
}
Amint a modellnek egy specifikus szerepet kell felvennie, adj hozzá egy rendszerüzenetet – és tartsd azt minden példádban azonosnak. Figyeld meg az alábbi példában, hogy az „ajánlj fel mindig egy bemutató időpontot“ utasítás valójában teljesül az asszisztens válaszában: a rendszerüzenet egy korlátozást ír le, a példa pedig azt mutatja be, hogyan néz ki ez a gyakorlatban.
{
"messages": [
{
"role": "system",
"content": "Te a TechCorp értékesítési asszisztense vagy. Válaszolj tömören és professzionálisan. Mindig ajánlj fel egy bemutató időpontot."
},
{
"role": "user",
"content": "CRM megoldást keresek a 50 fős csapatom számára."
},
{
"role": "assistant",
"content": "A TechCorp CRM rendszere 20 és 200 fő közötti csapatok számára készült, kapcsolatkezeléssel, értékesítési tölcsérrel és integrált riportálással. Egy 50 fős csapat esetén a Business csomagot javaslom, felhasználónként havi 29 euróért. Szeretnél időpontot egyeztetni egy személyre szabott bemutatóra még ezen a héten?"
}
]
}
Többmenetes beszélgetések
Tartalmazhatsz több váltásból álló beszélgetéseket is. A modell így megtanulja fenntartani a konzisztenciát a menetek között: itt például a második válasz épít az elsőben bejelentett 2. lépésre, amit egy elszigetelt példa nem tudna megtanítani.
{
"messages": [
{
"role": "system",
"content": "Te egy fizetési API technikai asszisztense vagy."
},
{
"role": "user",
"content": "Hogyan integráljam a fizetési API-jukat?"
},
{
"role": "assistant",
"content": "Az integráció 3 lépésből áll: 1) Telepítsd az SDK-t a pip install paycorp-sdk paranccsal, 2) Konfiguráld az API-kulcsodat, 3) Hozd létre az első fizetésedet. Melyik lépéssel szeretnéd kezdeni?"
},
{
"role": "user",
"content": "Hogyan konfiguráljam az API-kulcsot?"
},
{
"role": "assistant",
"content": "Szerezd be a kulcsot a vezérlőpulton (Beállítások > API-kulcsok), majd konfiguráld a kódodban:\n\nfrom paycorp import PayCorp\nclient = PayCorp(api_key=\"your_key\")\n\nFejlesztés során a teszt kulcsot (sk_test_ előtaggal), éles környezetben pedig az élő kulcsot (sk_live_) használd. Soha ne commitold a kulcsaidat a forráskódba."
}
]
}
Súlyozás a weight mezővel
Megadhatod a modellnek, hogy mely asszisztens üzenetek a legfontosabbak, ha hozzáadsz egy weight mezőt:
{
"messages": [
{"role": "user", "content": "Foglald össze ezt a dokumentumot."},
{"role": "assistant", "content": "Íme az összefoglaló...", "weight": 1}
]
}
A 0 értékű weight azt jelenti, hogy a modell nem fog tanítani abból a specifikus asszisztens üzenetből; az alapértelmezett érték 1. A tipikus használati eset a többmenetes beszélgetés, ahol csak az utolsó váltás számít: megtartod a korábbi váltásokat, mert szükséges kontextust biztosítanak, de nem szeretnéd, ha a modell megtanulná reprodukálni őket – ilyenkor állítsd őket 0-ra.
JSONL fájl létrehozó szkript
A gyakorlatban sosem kézzel írod meg ezt a fájlt. Az alábbi függvény sorosít egy példalistát, és megvéd a két leggyakoribb buktatótól: a záró sortörés elfelejtésétől és az ékezetes karakterek hibás kezelésétől.
import json
def create_jsonl_file(examples: list[dict], path: str):
"""Létrehoz egy JSONL fájlt egy példalistából."""
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"Fájl létrehozva: {path} ({len(examples)} példa)")
# A te példáid
examples = [
{
"messages": [
{"role": "system", "content": "TechCorp ügyfélszolgálati asszisztens."},
{"role": "user", "content": "Zárolva van a fiókom."},
{"role": "assistant", "content": "Megértem a frusztrációdat. A fiókod feloldásához szükségem van a regisztrációs e-mail címedre. Ellenőrzöm az állapotot, és végigvezetlek az újraaktiválási folyamaton."}
]
},
{
"messages": [
{"role": "system", "content": "TechCorp ügyfélszolgálati asszisztens."},
{"role": "user", "content": "Hogyan változtathatom meg a jelszavam?"},
{"role": "assistant", "content": "A jelszó módosításához: menj a Beállítások > Biztonság > Jelszó módosítása menüpontra. Add meg a jelenlegi jelszavadat, majd az újat (minimum 12 karakter, nagybetűvel, számmal és speciális karakterrel). Erősítsd meg, és kattints a Mentés gombra."}
]
}
]
create_jsonl_file(examples, "training_data.jsonl")
A hibák, amelyekkel találkozhatsz, mindig ugyanazok, és mind észlelhetők feltöltés előtt. Ha hiányzik a sortörés két objektum között, az két példát egyetlen olvashatatlan sorrá olvaszt össze. A hibás JSON – hiányzó idézőjel, felesleges vessző – miatt az egész sor elbukik. Egy üres content validációs hibát vált ki az OpenAI oldalán, csakúgy mint egy kitalált szerep: csak a system, user és assistant szerepek elfogadottak. Végül, mindig UTF-8-ban írj az ensure_ascii=False paraméterrel, különben az ékezetes karaktereid escape szekvenciákká alakulnak, amelyeket a modell lelkiismeretesen meg fog tanulni reprodukálni.
Főbb megállapítások
- Egy JSONL sor = egy JSON-objektum = egy teljes beszélgetés
- Minden beszélgetés tartalmaz legalább egy
userés egyassistantüzenetet - A
systemüzenet opcionális, de ajánlott a konzisztencia érdekében - Használd a
weight: 0értéket bizonyos váltások kizárására a tanításból többmenetes beszélgetések esetén - Mindig validáld a JSONL fájlodat feltöltés előtt