Formát dát: konverzácie v JSONL
Na tejto strane
Aktualizácia z 2. novembra 2026 — Dostupnosť jemného doladenia. Služba samoobslužného jemného doladenia od OpenAI sa postupne ukončuje: od 7. mája 2026 organizácie, ktoré ju nikdy nepoužili, už nemôžu vytvárať nové úlohy; od 2. júla musíte mať model po doladení použitý za posledných 60 dní; a od 6. januára 2027 žiadny zákazník nebude môcť spustiť nové úlohy. Už natrénované modely zostávajú použiteľné až do vyradenia ich základného modelu. Tento kurz je stále užitočný na pochopenie a využitie existujúceho modelu; pri nových projektoch uprednostnite inžinierstvo promptov, RAG a evaluácie.
Formát JSONL
JSONL (JSON Lines) je požadovaný formát pre API jemného doladenia od OpenAI. Každý riadok v súbore je nezávislý objekt JSON predstavujúci jeden kompletný príklad na trénovanie. Táto štruktúra ti umožňuje streamovať korpusy s desiatkami tisíc príkladov bez toho, aby si musel celý súbor načítať do pamäte.
{"messages": [{"role": "system", "content": "..."}, {"role": "user", "content": "..."}, {"role": "assistant", "content": "..."}]}
{"messages": [{"role": "system", "content": "..."}, {"role": "user", "content": "..."}, {"role": "assistant", "content": "..."}]}
Základné pravidlo: jeden riadok = jeden objekt JSON = jeden príklad. Do samotného objektu JSON nevkladaj zalomenia riadkov. Inými slovami, „krásne“ formátovaný JSON s odsadením z tvojho editora súbor zničí – toto je najčastejšou príčinou zamietnutia nahratia.
Štruktúra konverzácie
Každý príklad je objekt s kľúčom messages, ktorý obsahuje pole správ. Každá správa má role a content. Akceptované sú iba tri role:
- system: globálne inštrukcie pre asistenta (voliteľné, ale odporúčané)
- user: správa používateľa
- assistant: odpoveď, ktorú sa má model naučiť produkovať
Minimálny formát pozostáva z jednej výmeny medzi používateľom a asistentom. To stačí, keď požadované správanie nezávisí od špecifického rámca, napríklad pri modeli určenom na jednu úlohu.
{
"messages": [
{"role": "user", "content": "Ahoj, ako sa máš?"},
{"role": "assistant", "content": "Ahoj! Som pripravený pomôcť. Čo pre teba môžem urobiť?"}
]
}
Akonáhle musí model prijať špecifickú rolu, pridaj systémovú správu – a udržuj ju vo všetkých príkladoch identickú. Všimni si v príklade nižšie, že inštrukcia „vždy ponúknuť demo stretnutie“ je v odpovedi asistenta skutočne dodržaná: systémová správa opisuje obmedzenie a príklad ukazuje, ako vyzerá jeho aplikácia.
{
"messages": [
{
"role": "system",
"content": "Si obchodný asistent pre spoločnosť TechCorp. Odpovedaj stručne a profesionálne. Vždy ponúkni termín na demo stretnutie."
},
{
"role": "user",
"content": "Hľadám CRM riešenie pre môj tím 50 ľudí."
},
{
"role": "assistant",
"content": "Naše CRM TechCorp je navrhnuté pre tímy od 20 do 200 ľudí, so správou kontaktov, predajným lievikom a integrovaným reportovaním. Pre tím 50 ľudí odporúčam Business plán za 29 €/používateľ/mesiac. Chceli by ste si tento týždeň dohodnúť personalizovanú demo ukážku?"
}
]
}
Viackolové konverzácie
Môžeš zahrnúť konverzácie s viacerými výmenami. Model sa potom učí udržiavať konzistenciu naprieč kolami: tu druhá odpoveď nadväzuje na krok 2 oznámený v prvej, čo by izolovaný príklad nenaučil.
{
"messages": [
{
"role": "system",
"content": "Si technický asistent pre platobné API."
},
{
"role": "user",
"content": "Ako integrujem vaše platobné API?"
},
{
"role": "assistant",
"content": "Integrácia prebieha v 3 krokoch: 1) Nainštaluj SDK pomocou pip install paycorp-sdk, 2) Nakonfiguruj svoj API kľúč, 3) Vytvor svoju prvú platbu. S ktorým krokom chceš začať?"
},
{
"role": "user",
"content": "Ako nakonfigurujem API kľúč?"
},
{
"role": "assistant",
"content": "Získaj svoj kľúč z dashboardu (Nastavenia > API Keys) a potom ho nakonfiguruj v kóde:\n\nfrom paycorp import PayCorp\nclient = PayCorp(api_key=\"your_key\")\n\nVo vývoji používaj testovací kľúč (prefix sk_test_) a v produkcii živý kľúč (sk_live_). Nikdy nekomituj svoje kľúče do zdrojového kódu."
}
]
}
Váženie pomocou weight
Modelu môžeš naznačiť, ktoré správy asistenta sú najdôležitejšie, pridaním poľa weight:
{
"messages": [
{"role": "user", "content": "Zhrň tento dokument."},
{"role": "assistant", "content": "Tu je zhrnutie...", "weight": 1}
]
}
Hodnota weight rovná sa 0 znamená, že sa model na tejto konkrétnej správe asistenta nebude učiť; predvolená hodnota je 1. Typickým prípadom použitia sú viackolové konverzácie, kde záleží len na poslednom kole: predchádzajúce výmeny ponecháš, pretože poskytujú potrebný kontext, ale nechceš, aby sa model učil ich reprodukovať – stačí ich nastaviť na 0.
Skript na vytvorenie súboru JSONL
V praxi tento súbor nikdy nepíšeš ručne. Funkcia nižšie serializuje zoznam príkladov a chráni ťa pred dvoma najčastejšími úskaliami: zabudnutím posledného zalomenia riadku a nesprávnym spracovaním úniku znakov s diakritikou.
import json
def create_jsonl_file(examples: list[dict], path: str):
"""Creates a JSONL file from a list of examples."""
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"File created: {path} ({len(examples)} examples)")
# Your examples
examples = [
{
"messages": [
{"role": "system", "content": "Asistent zákazníckej podpory TechCorp."},
{"role": "user", "content": "Môj účet je uzamknutý."},
{"role": "assistant", "content": "Chápem vaše rozčúlenie. Na odomknutie účtu potrebujem vašu registračnú e-mailovú adresu. Skontrolujem stav a prevediem vás procesom reaktivácie."}
]
},
{
"messages": [
{"role": "system", "content": "Asistent zákazníckej podpory TechCorp."},
{"role": "user", "content": "Ako zmením heslo?"},
{"role": "assistant", "content": "Na zmenu hesla: prejdite na Nastavenia > Zabezpečenie > Zmeniť heslo. Zadajte svoje aktuálne heslo, potom nové (minimálne 12 znakov, s veľkým písmenom, číslom a špeciálnym znakom). Potvrďte a kliknite na Uložiť."}
]
}
]
create_jsonl_file(examples, "training_data.jsonl")
Chyby, na ktoré narazíš, sú vždy rovnaké a všetky sa dajú odhaliť pred nahraním. Chýbajúce zalomenie riadku medzi dvoma objektmi zlúči dva príklady do jednej nečitateľnej línie. Chybne formátovaný JSON – chýbajúca úvodzovka, nadbytočná čiarka – spôsobí zlyhanie celého riadku. Prázdne content spustí chybu validácie na strane OpenAI, rovnako ako vymyslená rola: akceptované sú iba system, user a assistant. Nakoniec, vždy zapisuj v UTF-8 s ensure_ascii=False, inak sa ti znaky s diakritikou zmenia na escape sekvencie, ktoré sa model svedomito naučí reprodukovať.
Kľúčové poznatky
- Jeden riadok JSONL = jeden objekt JSON = jedna kompletná konverzácia
- Každá konverzácia obsahuje aspoň jednu správu
usera jednu správuassistant - Správa
systemje voliteľná, ale odporúčaná pre konzistenciu - Použi
weight: 0na vylúčenie určitých kôl z trénovania vo viackolových konverzáciách - Pred nahraním vždy validuj svoj súbor JSONL