Prejsť na hlavný obsah
Slovenčina— Vyberte jazyk
Menu

Formát dát: konverzácie v JSONL

Lekcia 3 z 16 Aktualizované 2. novembra 2026 Pokročilý
Na tejto strane
  1. Formát JSONL
  2. Štruktúra konverzácie
  3. Viackolové konverzácie
  4. Váženie pomocou weight
  5. Skript na vytvorenie súboru JSONL
  6. Kľúčové poznatky

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 user a jednu správu assistant
  • Správa system je voliteľná, ale odporúčaná pre konzistenciu
  • Použi weight: 0 na vylúčenie určitých kôl z trénovania vo viackolových konverzáciách
  • Pred nahraním vždy validuj svoj súbor JSONL