Salt la conținutul principal
Română— Alege o limbă
Meniu

Format de date: conversații JSONL

Lecția 3 din 16 Actualizată 2 noiembrie 2026 Avansat
Pe această pagină
  1. Formatul JSONL
  2. Structura conversației
  3. Conversații multi-tur
  4. Ponderarea cu weight
  5. Script de creare a fișierului JSONL
  6. Puncte cheie

Actualizare 2 noiembrie 2026 — Disponibilitatea fine-tuning-ului. Serviciul de fine-tuning self-service al OpenAI este în curs de eliminare: începând cu 7 mai 2026, organizațiile care nu l-au utilizat niciodată nu mai pot crea job-uri; începând cu 2 iulie, trebuie să fi utilizat un model ajustat (fine-tuned) în ultimele 60 de zile; iar începând cu 6 ianuarie 2027, niciun client nu va mai putea lansa job-uri noi. Modelele deja antrenate rămân utilizabile până la retragerea modelului lor de bază. Acest curs rămâne util pentru înțelegerea și exploatarea unui model existent; pentru proiecte noi, prioritizați ingineria prompt-urilor (prompt engineering), RAG și evaluările.

Formatul JSONL

JSONL (JSON Lines) este formatul obligatoriu pentru API-ul de fine-tuning OpenAI. Fiecare linie din fișier este un obiect JSON independent care reprezintă un exemplu complet de antrenament. Această structură vă permite să transmiteți în flux un corpus de zeci de mii de exemple fără a încărca vreodată întregul fișier în memorie.

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

Regulă fundamentală: o linie = un obiect JSON = un exemplu. Nu includeți salturi de linie în interiorul obiectului JSON propriu-zis. Cu alte cuvinte, JSON-ul „formatat frumos“ (pretty-printed) cu indentare din editorul dumneavoastră va strica fișierul—aceasta este cea mai frecventă cauză a respingerii la încărcare.

Structura conversației

Fiecare exemplu este un obiect cu o cheie messages care conține un tablou de mesaje. Fiecare mesaj are un role și un content. Sunt acceptate doar trei roluri:

  • system: instrucțiuni globale pentru asistent (opțional, dar recomandat)
  • user: mesajul utilizatorului
  • assistant: răspunsul pe care modelul trebuie să învețe să îl producă

Formatul minim constă într-un singur schimb user/assistant. Acest lucru este suficient atunci când comportamentul dorit nu depinde de un context specific, cum ar fi în cazul unui model dedicat unei singure sarcini.

{
  "messages": [
    {"role": "user", "content": "Salut, ce mai faci?"},
    {"role": "assistant", "content": "Salut! Sunt gata să te ajut. Cu ce te pot servi?"}
  ]
}

De îndată ce modelul trebuie să adopte un rol specific, adăugați un mesaj de sistem—și mențineți-l identic în toate exemplele dumneavoastră. Observați în exemplul de mai jos că instrucțiunea „oferă întotdeauna o demonstrație“ este chiar respectată în răspunsul asistentului: mesajul de sistem descrie o constrângere, iar exemplul arată cum arată aceasta atunci când este aplicată.

{
  "messages": [
    {
      "role": "system",
      "content": "Ești asistent de vânzări pentru TechCorp. Răspunde concis și profesionist. Oferă întotdeauna o demonstrație."
    },
    {
      "role": "user",
      "content": "Caut o soluție CRM pentru echipa mea de 50 de persoane."
    },
    {
      "role": "assistant",
      "content": "CRM-ul nostru TechCorp este conceput pentru echipe de 20 până la 200 de persoane, cu gestionarea contactelor, pipeline de vânzări și rapoarte integrate. Pentru o echipă de 50 de persoane, recomand planul Business la 29 €/utilizator/lună. Doriți să programați o demonstrație personalizată săptămâna aceasta?"
    }
  ]
}

Conversații multi-tur

Puteți include conversații cu mai multe schimburi. Modelul învață astfel să mențină coerența pe parcursul tururilor: aici, al doilea răspuns se bazează pe pasul 2 anunțat în primul, lucru pe care un exemplu izolat nu l-ar putea preda.

{
  "messages": [
    {
      "role": "system",
      "content": "Ești asistent tehnic pentru un API de plăți."
    },
    {
      "role": "user",
      "content": "Cum integrez API-ul vostru de plăți?"
    },
    {
      "role": "assistant",
      "content": "Integrarea se face în 3 pași: 1) Instalați SDK-ul cu pip install paycorp-sdk, 2) Configurați cheia API, 3) Creați prima plată. Cu ce pas doriți să începeți?"
    },
    {
      "role": "user",
      "content": "Cum configurez cheia API?"
    },
    {
      "role": "assistant",
      "content": "Obțineți cheia din dashboard (Settings > API Keys), apoi configurați-o în codul dumneavoastră:\n\nfrom paycorp import PayCorp\nclient = PayCorp(api_key=\"your_key\")\n\nUtilizați cheia de test (prefix sk_test_) în dezvoltare și cheia live (sk_live_) în producție. Nu faceți niciodată commit la chei în codul sursă."
    }
  ]
}

Ponderarea cu weight

Puteți indica modelului care mesaje ale asistentului sunt cele mai importante adăugând un câmp weight:

{
  "messages": [
    {"role": "user", "content": "Rezumă acest document."},
    {"role": "assistant", "content": "Iată rezumatul...", "weight": 1}
  ]
}

Un weight de 0 înseamnă că modelul nu se va antrena pe acel mesaj specific al asistentului; valoarea implicită este 1. Cazul de utilizare tipic este conversațiile multi-tur unde contează doar ultimul tur: păstrați schimburile anterioare deoarece oferă contextul necesar, dar nu doriți ca modelul să învețe să le reproducă—setați-le pur și simplu la 0.

Script de creare a fișierului JSONL

În practică, nu veți scrie niciodată acest fișier de mână. Funcția de mai jos serializează o listă de exemple și vă protejează de cele două capcane cele mai frecvente: uitarea saltului de linie final și gestionarea incorectă a escapării caracterelor accentuate.

import json

def create_jsonl_file(examples: list[dict], path: str):
    """Creează un fișier JSONL dintr-o listă de exemple."""
    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"Fișier creat: {path} ({len(examples)} exemple)")

# Exemplele dumneavoastră
examples = [
    {
        "messages": [
            {"role": "system", "content": "Asistent suport clienți TechCorp."},
            {"role": "user", "content": "Contul meu este blocat."},
            {"role": "assistant", "content": "Înțeleg frustrarea dumneavoastră. Pentru a debloca contul, am nevoie de adresa de e-mail de înregistrare. Voi verifica statusul și vă voi ghida prin procesul de reactivare."}
        ]
    },
    {
        "messages": [
            {"role": "system", "content": "Asistent suport clienți TechCorp."},
            {"role": "user", "content": "Cum îmi schimb parola?"},
            {"role": "assistant", "content": "Pentru a schimba parola: mergeți la Settings > Security > Change Password. Introduceți parola curentă, apoi pe cea nouă (minim 12 caractere, cu majuscule, cifră și caracter special). Confirmați și faceți clic pe Save."}
        ]
    }
]

create_jsonl_file(examples, "training_data.jsonl")

Erorile pe care le veți întâlni sunt întotdeauna aceleași și toate pot fi detectate înainte de încărcare. Un salt de linie lipsă între două obiecte contopește două exemple într-o singură linie ilizibilă. JSON-ul malformat—ghilimele lipsă, virgulă în plus—eșuează întreaga linie. Un content gol declanșează o eroare de validare din partea OpenAI, la fel ca un rol inventat: sunt acceptate doar system, user și assistant. În final, scrieți întotdeauna în UTF-8 cu ensure_ascii=False, altfel caracterele accentuate se vor transforma în secvențe de escape pe care modelul le va învăța conștiincios să le reproducă.

Puncte cheie

  • O linie JSONL = un obiect JSON = o conversație completă
  • Fiecare conversație conține cel puțin un mesaj user și un mesaj assistant
  • Mesajul system este opțional, dar recomandat pentru consistență
  • Utilizați weight: 0 pentru a exclude anumite tururi din antrenament în conversațiile multi-tur
  • Validați întotdeauna fișierul JSONL înainte de încărcare