产品 SEO 与 GEO 智能体 付费广告智能体 网站智能体 转化智能体
运作方式 方案 常见问题 博客 预约通话

JSONL 文件:如何为 AI 上传一步步创建

更新于 · 阅读约 7 分钟

简短回答 JSONL 文件是纯文本,每行一个完整的 JSON 对象,以 UTF-8 保存,扩展名为 .jsonl。制作方法:把表格另存为 CSV,运行一段简短的 Python 脚本,每行数据写一行,然后检查每一行都能被解析。动手前,先确认您的 AI 平台要求的确切字段。

想把这些用到您的生意上?预约一次 30 分钟的免费通话,一起聊聊。

预约通话

如何创建 JSONL 文件:四个步骤

从一张表格开始,最后得到 AI 平台能接受的文件。Python 免费,做这件事也不需要安装额外的包。

步骤做什么容易出错的地方
1. 弄清目标格式阅读您要上传的平台的上传说明页面每个平台的字段名都不一样
2. 把数据存为 CSV每行一个示例,每列一个字段,第 1 行是表头合并单元格和表格下方的备注会变成垃圾行
3. 用 Python 转换一段三行脚本,每行数据写成一个 JSON 对象把整个列表写成一个 JSON 数组
4. 逐行检查Python 自带的检查工具逐行读取,遇到第一处错误就停下一个空行或一个多余的逗号就会让整个上传失败

JSONL 文件长什么样

每行是一条记录,每条记录本身都是完整的。JSON Lines 格式有三条规则:文件为 UTF-8,每行是一个有效的 JSON 值,每行以换行符结尾。有两个细节常让人出错:

"a byte order mark (U+FEFF) must NOT be included" (JSON Lines specification) 译文:“不得包含字节顺序标记(U+FEFF)”
"e.g. null is a valid value but a blank line is not." (JSON Lines specification) 译文:“例如,null 是有效值,但空行不是。”

最后一条记录后面加换行符是“strongly recommended but not required”(强烈建议,但不是必须)。常用扩展名是 .jsonl。

普通 JSONJSONL
结构一个大的对象或数组,常跨很多行每行一个对象,没有外层括号,行与行之间没有逗号
程序如何读取通常一次读完一次读一行
添加一条记录在数组里面编辑在末尾加一行
一条记录损坏整个文件解析失败只有那一行失败,其余照常读取

批量任务中的一行简短内容如下,在文件里它全部写在同一行:

{"custom_id": "faq-1", "method": "POST", "url": "/v1/responses", "body": {"model": "...", "input": "Write a 2-sentence answer: do you work Saturdays?"}}

哪些 AI 工具要求 JSONL 文件?

主要是两类工作:用您的示例训练模型(微调),以及一次性以折扣价发送大量请求(批量处理)。动手之前先看平台自己的说明页面,因为字段名各不相同。

平台JSONL 的用途主要限制(2026 年 11 月)
OpenAI Batch API一次发送大量请求;每行需要唯一的 custom_id比普通调用便宜 50%;24 小时内完成;每个文件最多 50,000 个请求、200 MB;每个文件只能用一个模型
Gemini API Batch一次发送大量请求;每行有一个 key 和一个 request标准费用的 50%;目标 24 小时完成;输入文件最大 2 GB
Google Cloud(Gemini 微调)微调,每行一个示例,上传到 Cloud StorageGoogle 建议从 100 个示例开始
Amazon Bedrock微调;格式取决于模型每个模型有各自的大小规定
Microsoft Foundry微调;训练文件和验证文件分开,每行一段对话每个模型有示例数量和大小的最低要求
OpenAI 微调即将关闭;见下文至少 10 行;OpenAI 建议从 50 行开始

大多数旧教程都基于 OpenAI 的微调,而它正在关闭:

"OpenAI is winding down the fine-tuning platform. The platform is no longer accessible to new users." (OpenAI API docs: Supervised fine-tuning) 译文:“OpenAI 正在逐步关闭微调平台。新用户已无法使用该平台。”

符合条件的现有客户在 2027 年 1 月 6 日之前仍可启动训练任务,gpt-4.1 和 gpt-4.1-mini 的微调模型将于 2027 年 1 月 14 日停用。如果您是新用户,请改用 Google Cloud、Bedrock 或 Foundry,或者干脆不做微调。

您真的需要微调吗?

通常不需要。老板们的大多数工作,比如用您的口吻回答常见问题或起草报价,用一个好的提示词再贴几个示例就能完成。OpenAI 自己的建议也是先测试:“Only invest in fine-tuning after setting up evals”(先建立评估,再投入微调);如果 50 个好示例都没有带来改变,就要“rethink your task or prompt before adding training data”(在增加训练数据之前,重新思考您的任务或提示词)。先从更好的提示词开始,等它们到了瓶颈再回来。

用 Python 把表格转成 JSONL

把表格另存为 CSV(在 Excel 中选择 CSV UTF-8)。然后把下面几行放进一个文件(例如 convert.py)运行,把文件名换成您自己的:

  1. import csv, json
  2. rows = csv.DictReader(open("faq.csv", encoding="utf-8-sig", newline=""))
  3. with open("faq.jsonl", "w", encoding="utf-8") as f: f.writelines(json.dumps(r, ensure_ascii=False) + "\n" for r in rows)

每个部分的作用:

部分作用
csv.DictReader把每行变成一条记录,以第 1 行作为字段名
utf-8-sig据 Python 文档,如果文件开头有隐藏的字节顺序标记,它会跳过,这样第一列的列名保持干净
json.dumps(...) + "\n"一条记录,再加一个换行:这就是 JSONL 的全部规则
ensure_ascii=False让重音符号和非英文字符保持可读,而不是变成转义码
encoding="utf-8"以 UTF-8 写入,不带格式所禁止的标记

已经在用 pandas?一行就能完成同样的工作:pd.read_csv("faq.csv").to_json("faq.jsonl", orient="records", lines=True, force_ascii=False)。根据 pandas 文档,lines 选项只有在 orient 设为 records 时才有效。

如何编写微调示例

对话式训练文件把每个示例包在一个 messages 列表里:客户问了什么,以及您希望得到的回答。这是 Microsoft Foundry 展示的结构。如果 CSV 有 question 和 answer 两列,把脚本第 3 行改成:

with open("train.jsonl", "w", encoding="utf-8") as f: f.writelines(json.dumps({"messages": [{"role": "user", "content": r["question"]}, {"role": "assistant", "content": r["answer"]}]}, ensure_ascii=False) + "\n" for r in rows)

这样每行数据会变成这样的一行:

{"messages": [{"role": "user", "content": "Do you work Saturdays?"}, {"role": "assistant", "content": "Yes, 8am to 2pm."}]}

Google 的 Gemini 微调用的是不同的名称(contents 和 parts,可选 systemInstruction),所以同样的思路在那里要换用不同的键。无论哪个平台,都要用真实的问题和您最好的员工给出的回答。另外留一组示例不参与训练,用来测试结果。

上传前检查文件

Python 自带检查工具。在终端运行:

python3 -m json.tool --json-lines faq.jsonl

它把每一行当作独立的 JSON 对象读取(Python 3.8 起提供)。如果每行都没问题,它会全部打印出来。如果有问题,它会报错停下;最后打印出的那条记录是最后一行正确的内容,所以问题出在下一行。

您看到的错误常见原因解决方法
Expecting value一个空行,常出现在粘贴的文件末尾删除空行
Expecting property name enclosed in double quotes手动输入时用了单引号或多了结尾逗号用脚本生成各行,不要手打
上传被拒,格式看起来没问题字段名和平台不一致拿一行和平台给的示例对照
运行脚本时出现 UnicodeDecodeErrorCSV 用旧编码保存,不是 UTF-8重新另存为 CSV UTF-8 再运行

不用 Python 能做 JSONL 文件吗?

能,只要行数不多。在纯文本编辑器(Notepad、纯文本模式下的 TextEdit)里输入,每行一条记录,以 UTF-8 保存,扩展名为 .jsonl。超过 20 行左右,手打就容易出现上面那些错误。

网上有免费的 CSV 转 JSONL 工具,但您要把文件上传到别人的服务器。训练数据常包含客户姓名、电子邮件和工作细节,所以发送之前,先了解您如何收集这些数据、客户同意了什么。

示例

水管工的常见问题批量处理

表格里有 60 个常见问题。老板把它另存为 CSV,转换后给每行包上带 custom_id 的批量格式,一次发送一个批量任务,以正常价格的一半起草网站上的回答。检查工具事先发现了文件末尾的一个空行。

美发沙龙训练回复风格

200 条过去回复预约问题的消息,已去掉客户姓名。老板先试了一个贴了 10 个示例的提示词,草稿已经足够接近。微调就此搁置。

拿着旧 OpenAI 教程的记账师

教程说要上传到 OpenAI 微调。账户是新的,所以没有这个选项。同样的示例改用 Google 的 contents 和 parts 字段名后,改传到 Google Cloud。

常见问题

JSON 和 JSONL 有什么区别?

JSON 存放一个对象或数组,常跨很多行。JSONL 每行存放一个完整的对象,所以程序可以一次读取或添加一条记录。

能用 Excel 打开 JSONL 文件吗?

不能直接按行打开。用 pandas(read_json 加 lines=True)转回来再存为 CSV,或者用任何文本编辑器打开阅读。

微调模型需要多少示例?

取决于平台。OpenAI 的最低要求是 10 行,建议从 50 行开始;Google 建议 Gemini 微调从 100 个开始。在两个平台上,质量都比数量更重要。

大的 JSONL 文件要压缩吗?

JSON Lines 规范建议用 gzip 或 bzip2 节省空间。除非平台页面说明接受压缩文件,否则请上传未压缩的文件。

您的情况不同?

继续阅读

下一篇提示词优化工具:最适合企业的选择哪些工具能改写和改进 AI 提示词、各自花多少钱,以及为什么大多数小企业只需要一个免费方法加一个保存好的项目。

问我们一个问题

一句话就够。我们会通过电子邮件回复。

出处

  1. JSON Lines: format specification (jsonlines.org)
  2. OpenAI API docs: Supervised fine-tuning
  3. OpenAI API docs: Batch API
  4. Google AI Studio docs: Batch API
  5. Google Cloud: Prepare supervised fine-tuning data for Gemini models
  6. Amazon Bedrock User Guide: Prepare data for fine-tuning your models
  7. Microsoft Learn: Fine-tune a model with supervised fine-tuning in Microsoft Foundry
  8. Python 3 documentation: json module (including json.tool)
  9. Python 3 documentation: codecs, utf-8-sig
  10. pandas documentation: read_json
  11. pandas documentation: DataFrame.to_json