Duomenų formatas: JSONL pokalbiai
Šiame puslapyje
Atnaujinimas 2026 m. lapkričio 2 d. — Derinimo prieinamumas. „OpenAI“ savitarnos derinimo paslauga yra nutraukiama: nuo 2026 m. gegužės 7 d. organizacijos, kurios jos niekada nenaudojo, nebegali kurti užduočių; nuo liepos 2 d. turite būti naudoję derintą modelį per pastaruosius 60 dienų; o nuo 2027 m. sausio 6 d. joks klientas nebegalės paleisti naujų užduočių. Jau apmokyti modeliai išlieka naudojami, kol jų bazinis modelis bus pašalintas. Šis kursas vis dar naudingas norint suprasti ir išnaudoti esamą modelį; naujiems projektams teikite pirmenybę raginimų inžinerijai (prompt engineering), RAG ir vertinimams.
JSONL formatas
JSONL (JSON Lines) yra privalomas formatas „OpenAI“ derinimo API. Kiekviena failo eilutė yra nepriklausomas JSON objektas, vaizduojantis vieną pilną mokymo pavyzdį. Ši struktūra leidžia perduoti dešimtis tūkstančių pavyzdžių turinį niekada neįkeliant viso failo į atmintį.
{"messages": [{"role": "system", "content": "..."}, {"role": "user", "content": "..."}, {"role": "assistant", "content": "..."}]}
{"messages": [{"role": "system", "content": "..."}, {"role": "user", "content": "..."}, {"role": "assistant", "content": "..."}]}
Pagrindinė taisyklė: viena eilutė = vienas JSON objektas = vienas pavyzdys. Nenaudokite eilučių lūžių pačiame JSON objekte. Kitaip tariant, jūsų redaktoriaus „gražiai atspausdintas“ (pretty-printed) su įtraukomis JSON sugadins failą – tai dažniausia įkėlimo atmetimo priežastis.
Pokalbio struktūra
Kiekvienas pavyzdys yra objektas su raktu messages, kuriame yra žinučių masyvas. Kiekviena žinutė turi role ir content. Priimami tik trys vaidmenys:
- system: globalios asistento instrukcijos (nebūtina, bet rekomenduojama)
- user: naudotojo žinutė
- assistant: atsakymas, kurio modelis turi išmokti
Minimalų formatą sudaro vienas naudotojo ir asistento keitimasis žinutėmis. To pakanka, kai pageidaujamas elgesys nepriklauso nuo specifinio konteksto, pavyzdžiui, vienai konkrečiai užduočiai skirtam modeliui.
{
"messages": [
{"role": "user", "content": "Labas, kaip sekasi?"},
{"role": "assistant", "content": "Labas! Esu pasiruošęs padėti. Kuo galiu būti naudingas?"}
]
}
Kai modelis turi perimti specifinį vaidmenį, pridėkite sistemos žinutę – ir visuose savo pavyzdžiuose ją palikite identišką. Atkreipkite dėmesį, kad žemiau pateiktame pavyzdyje instrukcija „visada siūlyti demonstracinį susitikimą“ yra realiai įgyvendinama asistento atsakyme: sistemos žinutė apibrėžia apribojimą, o pavyzdys parodo, kaip jis taikomas.
{
"messages": [
{
"role": "system",
"content": "Esate „TechCorp“ pardavimų asistentas. Atsakykite glaustai ir profesionaliai. Visada siūlykite demonstracinį susitikimą."
},
{
"role": "user",
"content": "Ieškau CRM sprendimo savo 50 žmonių komandai."
},
{
"role": "assistant",
"content": "Mūsų „TechCorp“ CRM skirtas 20–200 žmonių komandoms, turi kontaktų valdymą, pardavimų kanalą ir integruotą ataskaitų teikimą. 50 žmonių komandai rekomenduoju „Business“ planą už 29 EUR/vartotojui/mėn. Ar norėtumėte šią savaitę suplanuoti asmeninę demonstraciją?"
}
]
}
Daugiaeilapiai pokalbiai
Galite įtraukti pokalbius su keliais keitimaisi žinutėmis. Tuomet modelis išmoksta išlaikyti nuoseklumą per visus etapus: čia antrasis atsakymas remiasi pirmajame paskelbtu 2 žingsniu, ko izoliuotas pavyzdys išmokyti negalėtų.
{
"messages": [
{
"role": "system",
"content": "Esate techninis asistentas mokėjimų API."
},
{
"role": "user",
"content": "Kaip integruoti jūsų mokėjimų API?"
},
{
"role": "assistant",
"content": "Integracija vyksta 3 žingsniais: 1) Įdiekite SDK naudodami pip install paycorp-sdk, 2) Sukonfigūruokite savo API raktą, 3) Sukurkite pirmąjį mokėjimą. Nuo kurio žingsnio norėtumėte pradėti?"
},
{
"role": "user",
"content": "Kaip sukonfigūruoti API raktą?"
},
{
"role": "assistant",
"content": "Gaukite raktą iš skydelio (Settings > API Keys), tada sukonfigūruokite jį savo kode:\n\nfrom paycorp import PayCorp\nclient = PayCorp(api_key=\"your_key\")\n\nKūrimo metu naudokite testavimo raktą (priešdėlis sk_test_), o gamyboje – gyvą raktą (sk_live_). Niekada neįkelkite savo raktų į šaltinio kodą."
}
]
}
Svorio nustatymas naudojant weight
Galite nurodyti modeliui, kurios asistento žinutės yra svarbiausios, pridėdami lauką weight:
{
"messages": [
{"role": "user", "content": "Apibendrinkite šį dokumentą."},
{"role": "assistant", "content": "Štai santrauka...", "weight": 1}
]
}
weight reikšmė 0 reiškia, kad modelis nesimokys iš tos konkrečios asistento žinutės; numatytoji reikšmė yra 1. Tipiškas naudojimo atvejis – daugiaeilapiai pokalbiai, kuriuose svarbus tik galutinis etapas: ankstesnius keitimusi paliekate, nes jie suteikia būtiną kontekstą, bet nenorite, kad modelis išmoktų juos atkartoti – tiesiog nustatykite jų svorį į 0.
JSONL failo kūrimo scenarijus
Praktiškai šio failo niekada nerašysite rankiniu būdu. Toliau pateikta funkcija serializuoja pavyzdžių sąrašą ir apsaugo jus nuo dviejų dažniausių klaidų: pamiršto galutinio eilutės lūžio ir neteisingo diakritinių ženklų kodavimo.
import json
def create_jsonl_file(examples: list[dict], path: str):
"""Sukuria JSONL failą iš pavyzdžių sąrašo."""
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"Failas sukurtas: {path} ({len(examples)} pavyzdžiai)")
# Jūsų pavyzdžiai
examples = [
{
"messages": [
{"role": "system", "content": "„TechCorp“ klientų aptarnavimo asistentas."},
{"role": "user", "content": "Mano paskyra užrakinta."},
{"role": "assistant", "content": "Suprantu jūsų nusivylimą. Norėdami atrakinti paskyrą, turiu gauti jūsų registracijos el. pašto adresą. Patikrinsiu būseną ir nukreipsiu jus per suaktyvinimo procesą."}
]
},
{
"messages": [
{"role": "system", "content": "„TechCorp“ klientų aptarnavimo asistentas."},
{"role": "user", "content": "Kaip pakeisti slaptažodį?"},
{"role": "assistant", "content": "Norėdami pakeisti slaptažodį: eikite į Settings > Security > Change Password. Įveskite dabartinį slaptažodį, tada naują (mažiausiai 12 simbolių, su didžiąja raide, skaičiumi ir specialiuoju simboliu). Patvirtinkite ir paspauskite Save."}
]
}
]
create_jsonl_file(examples, "training_data.jsonl")
Klaidos, su kuriomis susidursite, visada bus tos pačios, ir visas jas galima aptikti prieš įkeliant. Trūkstant eilutės lūžio tarp dviejų objektų, du pavyzdžiai susilieja į vieną neįskaitomą eilutę. Netvarkingas JSON – trūksta kabutės, yra papildoma kablelis – sugadina visą eilutę. Tuščias content sukelia validacijos klaidą „OpenAI“ pusėje, taip pat ir sugalvotas vaidmuo: priimami tik system, user ir assistant. Galiausiai, visada rašykite UTF-8 koduote su ensure_ascii=False, kitaip jūsų diakritiniai ženklai virs pabėgimo sekomis (escape sequences), kurias modelis sąžiningai išmoks atkartoti.
Svarbiausi punktai
- Viena JSONL eilutė = vienas JSON objektas = vienas pilnas pokalbis
- Kiekviename pokalbyje turi būti bent viena
useržinutė ir vienaassistantžinutė systemžinutė yra nebūtina, bet rekomenduojama nuoseklumui užtikrinti- Naudokite
weight: 0, kad daugiaeilapiuose pokalbiuose neįtrauktumėte tam tikrų etapų į mokymą - Visada patikrinkite savo JSONL failą prieš įkeldami