Ga naar hoofdinhoud
Nederlands— Kies een taal
Menu

Data-indeling: JSONL-gesprekken

Les 3 van 16 Bijgewerkt op 2 november 2026 Gevorderd
Op deze pagina
  1. De JSONL-indeling
  2. Gespreksstructuur
  3. Gesprekken met meerdere beurten
  4. Weging met weight
  5. Script voor het maken van JSONL-bestanden
  6. Belangrijkste punten

Update 2 november 2026 — Beschikbaarheid fine-tuning. De self-service fine-tuning van OpenAI wordt gefaseerd afgebouwd: sinds 7 mei 2026 kunnen organisaties die dit nog nooit hebben gebruikt geen taken meer aanmaken; sinds 2 juli moet u binnen de laatste 60 dagen een fine-getuned model hebben gebruikt; en vanaf 6 januari 2027 kan geen enkele klant nieuwe taken starten. Reeds getrainde modellen blijven bruikbaar totdat hun basismodel wordt stopgezet. Deze cursus blijft nuttig om een bestaand model te begrijpen en benutten; voor nieuwe projecten geeft u prioriteit aan prompt engineering, RAG en evaluaties.

De JSONL-indeling

JSONL (JSON Lines) is het vereiste formaat voor de OpenAI fine-tuning API. Elke regel in het bestand is een onafhankelijk JSON-object dat een compleet trainingsvoorbeeld vertegenwoordigt. Deze structuur stelt u in staat om een corpus van tienduizenden voorbeelden te streamen zonder ooit het volledige bestand in het geheugen te laden.

{"messages": [{"role": "system", "content": "..."}, {"role": "user", "content": "..."}, {"role": "assistant", "content": "..."}]}
{"messages": [{"role": "system", "content": "..."}, {"role": "user", "content": "..."}, {"role": "assistant", "content": "..."}]}

Fundamentele regel: één regel = één JSON-object = één voorbeeld. Voeg geen regeleinden toe binnen het JSON-object zelf. Met andere woorden: “mooi opgemaakte” JSON met inspringen vanuit uw editor zal het bestand breken; dit is de meest voorkomende oorzaak van afwijzing bij het uploaden.

Gespreksstructuur

Elk voorbeeld is een object met een sleutel messages die een array van berichten bevat. Elk bericht heeft een role en een content. Er worden slechts drie rollen geaccepteerd:

  • system: globale instructies voor de assistent (optioneel, maar aanbevolen)
  • user: het bericht van de gebruiker
  • assistant: het antwoord dat het model moet leren produceren

De minimale indeling bestaat uit een enkele uitwisseling tussen gebruiker en assistent. Dit is voldoende wanneer het gewenste gedrag niet afhangt van een specifieke omlijsting, zoals bij een model dat aan één taak is gewijd.

{
  "messages": [
    {"role": "user", "content": "Hallo, hoe gaat het?"},
    {"role": "assistant", "content": "Hallo! Ik sta klaar om te helpen. Wat kan ik voor u doen?"}
  ]
}

Zodra het model een specifieke rol moet aannemen, voegt u een systeembericht toe — en houdt u dit identiek in al uw voorbeelden. Merk in het onderstaande voorbeeld op dat de instructie “bied altijd een demo-afspraak aan” daadwerkelijk wordt nageleefd in het antwoord van de assistent: het systeembericht beschrijft een beperking, en het voorbeeld toont hoe dit eruitziet wanneer het wordt toegepast.

{
  "messages": [
    {
      "role": "system",
      "content": "U bent een verkoopassistent voor TechCorp. Reageer beknopt en professioneel. Bied altijd een demo-afspraak aan."
    },
    {
      "role": "user",
      "content": "Ik zoek een CRM-oplossing voor mijn team van 50 personen."
    },
    {
      "role": "assistant",
      "content": "Ons TechCorp CRM is ontworpen voor teams van 20 tot 200 personen, met contactbeheer, verkooppijplijn en geïntegreerde rapportage. Voor een team van 50 raad ik het Business-pakket aan voor €29/gebruiker/maand. Wilt u deze week een gepersonaliseerde demo inplannen?"
    }
  ]
}

Gesprekken met meerdere beurten

U kunt gesprekken met meerdere uitwisselingen opnemen. Het model leert dan consistentie te behouden over de beurten heen: hier bouwt het tweede antwoord voort op stap 2 die in het eerste werd aangekondigd, iets wat een geïsoleerd voorbeeld niet zou kunnen leren.

{
  "messages": [
    {
      "role": "system",
      "content": "U bent een technische assistent voor een betalings-API."
    },
    {
      "role": "user",
      "content": "Hoe integreer ik uw betalings-API?"
    },
    {
      "role": "assistant",
      "content": "Integratie verloopt in 3 stappen: 1) Installeer de SDK met pip install paycorp-sdk, 2) Configureer uw API-sleutel, 3) Maak uw eerste betaling aan. Met welke stap wilt u beginnen?"
    },
    {
      "role": "user",
      "content": "Hoe configureer ik de API-sleutel?"
    },
    {
      "role": "assistant",
      "content": "Haal uw sleutel op via het dashboard (Instellingen > API-sleutels) en configureer deze vervolgens in uw code:\n\nfrom paycorp import PayCorp\nclient = PayCorp(api_key=\"uw_sleutel\")\n\nGebruik de testsleutel (prefix sk_test_) tijdens ontwikkeling en de live-sleutel (sk_live_) in productie. Commit uw sleutels nooit naar de broncode."
    }
  ]
}

Weging met weight

U kunt het model vertellen welke assistent-berichten het belangrijkst zijn door een veld weight toe te voegen:

{
  "messages": [
    {"role": "user", "content": "Vat dit document samen."},
    {"role": "assistant", "content": "Hier is de samenvatting...", "weight": 1}
  ]
}

Een weight van 0 betekent dat het model niet zal trainen op dat specifieke assistent-bericht; de standaardwaarde is 1. De typische use case betreft gesprekken met meerdere beurten waarbij alleen de laatste beurt ertoe doet: u behoudt eerdere uitwisselingen omdat ze de nodige context bieden, maar u wilt niet dat het model leert deze te reproduceren — stel ze eenvoudig in op 0.

Script voor het maken van JSONL-bestanden

In de praktijk zult u dit bestand nooit met de hand schrijven. De onderstaande functie serialiseert een lijst met voorbeelden en beschermt u tegen de twee meest voorkomende valkuilen: het vergeten van het laatste regeleinde en het verkeerd afhandelen van het escapen van accenttekens.

import json

def create_jsonl_file(examples: list[dict], path: str):
    """Maakt een JSONL-bestand aan vanuit een lijst met voorbeelden."""
    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"Bestand aangemaakt: {path} ({len(examples)} voorbeelden)")

# Uw voorbeelden
examples = [
    {
        "messages": [
            {"role": "system", "content": "TechCorp klantenservice assistent."},
            {"role": "user", "content": "Mijn account is vergrendeld."},
            {"role": "assistant", "content": "Ik begrijp uw frustratie. Om uw account te ontgrendelen, heb ik uw registratie-e-mailadres nodig. Ik controleer de status en begeleid u door het reactiveringsproces."}
        ]
    },
    {
        "messages": [
            {"role": "system", "content": "TechCorp klantenservice assistent."},
            {"role": "user", "content": "Hoe wijzig ik mijn wachtwoord?"},
            {"role": "assistant", "content": "Om uw wachtwoord te wijzigen: ga naar Instellingen > Beveiliging > Wachtwoord wijzigen. Voer uw huidige wachtwoord in, gevolgd door het nieuwe (minimaal 12 tekens, met hoofdletter, cijfer en speciaal teken). Bevestig en klik op Opslaan."}
        ]
    }
]

create_jsonl_file(examples, "training_data.jsonl")

De fouten die u zult tegenkomen, zijn altijd dezelfde en kunnen allemaal worden gedetecteerd vóór het uploaden. Een ontbrekend regeleinde tussen twee objecten voegt twee voorbeelden samen tot één onleesbare regel. Verkeerd opgemaakte JSON — ontbrekend aanhalingsteken, extra komma — doet de hele regel falen. Een lege content leidt tot een validatiefout aan de kant van OpenAI, net als een verzonnen rol: alleen system, user en assistant worden geaccepteerd. Schrijf ten slotte altijd in UTF-8 met ensure_ascii=False, anders worden uw accenttekens omgezet in escape-sequenties die het model consciëntieus zal leren reproduceren.

Belangrijkste punten

  • Eén JSONL-regel = één JSON-object = één compleet gesprek
  • Elk gesprek bevat minimaal één user-bericht en één assistant-bericht
  • Het system-bericht is optioneel maar aanbevolen voor consistentie
  • Gebruik weight: 0 om bepaalde beurten uit te sluiten van training in gesprekken met meerdere beurten
  • Valideer uw JSONL-bestand altijd voordat u het uploadt