產品 SEO 與 GEO 代理 付費廣告代理 網站代理 轉換代理
運作方式 方案 常見問題 部落格 預約通話

JSONL 檔案:如何為 AI 上傳一步步建立

更新於 · 閱讀約 7 分鐘

簡短回答 JSONL 檔案是純文字,每行一個完整的 JSON 物件,以 UTF-8 儲存,副檔名為 .jsonl。製作方法:把試算表另存為 CSV,執行一段簡短的 Python 指令碼,每列資料寫成一行,然後檢查每一行都能被解析。動手前,先確認您的 AI 平台要求的確切欄位。

想把這些用在您的生意上?預約一次 30 分鐘的免費通話,一起聊聊。

預約通話

如何建立 JSONL 檔案:四個步驟

從一張試算表開始,最後得到 AI 平台能接受的檔案。Python 免費,做這件事也不需要安裝額外的套件。

步驟做什麼容易出錯的地方
1. 弄清目標格式閱讀您要上傳的平台的上傳說明頁面每個平台的欄位名稱都不一樣
2. 把資料存為 CSV每列一個範例,每欄一個欄位,第 1 列是標題合併儲存格和表格下方的備註會變成垃圾列
3. 用 Python 轉換一段三行指令碼,每列資料寫成一個 JSON 物件把整個清單寫成一個 JSON 陣列
4. 逐行檢查Python 內建的檢查工具逐行讀取,遇到第一處錯誤就停下一個空行或一個多餘的逗號就會讓整個上傳失敗

JSONL 檔案長什麼樣子

每行是一筆記錄,每筆記錄本身都是完整的。JSON Lines 格式有三條規則:檔案為 UTF-8,每行是一個有效的 JSON 值,每行以換行字元結尾。有兩個細節常讓人出錯:

"a byte order mark (U+FEFF) must NOT be included" (JSON Lines specification) 譯文:「不得包含位元組順序標記(U+FEFF)」
"e.g. null is a valid value but a blank line is not." (JSON Lines specification) 譯文:「例如,null 是有效值,但空行不是。」

最後一筆記錄後面加換行字元是「strongly recommended but not required」(強烈建議,但非必要)。常用副檔名是 .jsonl。

一般 JSONJSONL
結構一個大的物件或陣列,常跨很多行每行一個物件,沒有外層括號,行與行之間沒有逗號
程式如何讀取通常一次讀完一次讀一行
新增一筆記錄在陣列裡面編輯在結尾加一行
一筆記錄損壞整個檔案解析失敗只有那一行失敗,其餘照常讀取

批次工作中的一行簡短內容如下,在檔案裡它全部寫在同一行:

{"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 檔案?

主要是兩類工作:用您的範例訓練模型(微調),以及一次以折扣價送出大量請求(批次處理)。動手之前先看平台自己的說明頁面,因為欄位名稱各不相同。

平台JSONL 的用途主要限制(2026 年 11 月)
OpenAI Batch API一次送出大量請求;每行需要唯一的 custom_id比一般呼叫便宜 50%;24 小時內完成;每個檔案最多 50,000 個請求、200 MB;每個檔案只能用一個模型
Gemini API Batch一次送出大量請求;每行有一個 key 和一個 request標準費用的 50%;目標 24 小時完成;輸入檔案最大 2 GB
Google Cloud(Gemini 微調)微調,每行一個範例,上傳到 Cloud StorageGoogle 建議從 100 個範例開始
Amazon Bedrock微調;格式取決於模型每個模型有各自的大小規定
Microsoft Foundry微調;訓練檔和驗證檔分開,每行一段對話每個模型有範例數量和大小的最低要求
OpenAI 微調即將關閉;見下文至少 10 行;OpenAI 建議從 50 行開始

大多數舊教學都以 OpenAI 的微調為基礎,而它正在關閉:

"OpenAI is winding down the fine-tuning platform. The platform is no longer accessible to new users." (OpenAI API docs: Supervised fine-tuning) 譯文:「OpenAI 正在逐步關閉微調平台。新使用者已無法使用該平台。」

符合資格的現有客戶在 2027 年 1 月 6 日之前仍可啟動訓練工作,gpt-4.1 和 gpt-4.1-mini 的微調模型將於 2027 年 1 月 14 日停用。如果您是新使用者,請改用 Google Cloud、Bedrock 或 Foundry,或乾脆不做微調。

您真的需要微調嗎?

通常不需要。老闆們的大多數工作,例如用您的口吻回答常見問題或起草報價,用一個好的提示詞再貼幾個範例就能完成。OpenAI 自己的建議也是先測試:「Only invest in fine-tuning after setting up evals」(先建立評估,再投入微調);如果 50 個好範例都沒有帶來改變,就要「rethink your task or prompt before adding training data」(在增加訓練資料之前,重新思考您的任務或提示詞)。先從更好的提示詞開始,等它們遇到瓶頸再回來。

用 Python 把試算表轉成 JSONL

把試算表另存為 CSV(在 Excel 中選擇 CSV UTF-8)。然後把下面幾行放進一個檔案(例如 convert.py)執行,把檔名換成您自己的:

  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)

每個部分的作用:

部分作用
csv.DictReader把每列變成一筆記錄,以第 1 列作為欄位名稱
utf-8-sig據 Python 文件,如果檔案開頭有隱藏的位元組順序標記,它會略過,讓第一欄的欄位名稱保持乾淨
json.dumps(...) + "\n"一筆記錄,再加一個換行:這就是 JSONL 的全部規則
ensure_ascii=False讓重音符號和非英文字元保持可讀,而不是變成跳脫碼
encoding="utf-8"以 UTF-8 寫入,不帶格式所禁止的標記

已經在用 pandas?一行就能完成同樣的工作:pd.read_csv("faq.csv").to_json("faq.jsonl", orient="records", lines=True, force_ascii=False)。根據 pandas 文件,lines 選項只有在 orient 設為 records 時才有效。

如何編寫微調範例

對話式訓練檔把每個範例包在一個 messages 清單裡:客戶問了什麼,以及您希望得到的回答。這是 Microsoft Foundry 展示的結構。如果 CSV 有 question 和 answer 兩欄,把指令碼第 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)

這樣每列資料會變成這樣的一行:

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

Google 的 Gemini 微調用的是不同的名稱(contents 和 parts,可選 systemInstruction),所以同樣的做法在那裡要換用不同的鍵。無論哪個平台,都要用真實的問題和您最好的員工給出的回答。另外保留一組範例不參與訓練,用來測試結果。

上傳前檢查檔案

Python 內建檢查工具。在終端機執行:

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

它把每一行當作獨立的 JSON 物件讀取(Python 3.8 起提供)。如果每行都沒問題,它會全部印出來。如果有問題,它會報錯停下;最後印出的那筆記錄是最後一行正確的內容,所以問題出在下一行。

您看到的錯誤常見原因解決方法
Expecting value一個空行,常出現在貼上的檔案結尾刪除空行
Expecting property name enclosed in double quotes手動輸入時用了單引號或多了結尾逗號用指令碼產生各行,不要手打
上傳被拒,格式看起來沒問題欄位名稱和平台不一致拿一行和平台給的範例對照
執行指令碼時出現 UnicodeDecodeErrorCSV 用舊編碼儲存,不是 UTF-8重新另存為 CSV UTF-8 再執行

不用 Python 能做 JSONL 檔案嗎?

可以,只要行數不多。在純文字編輯器(Notepad、純文字模式下的 TextEdit)裡輸入,每行一筆記錄,以 UTF-8 儲存,副檔名為 .jsonl。超過 20 行左右,手打就容易出現上面那些錯誤。

網路上有免費的 CSV 轉 JSONL 工具,但您得把檔案上傳到別人的伺服器。訓練資料常包含客戶姓名、電子郵件和工作細節,所以傳送之前,先了解您如何收集這些資料、客戶同意了什麼。

範例

水電工的常見問題批次處理

試算表裡有 60 個常見問題。老闆把它另存為 CSV,轉換後給每行包上帶 custom_id 的批次格式,一次送出一個批次工作,以一般價格的一半起草網站上的回答。檢查工具事先發現了檔案結尾的一個空行。

美髮沙龍訓練回覆風格

200 則過去回覆預約問題的訊息,已去除客戶姓名。老闆先試了一個貼了 10 個範例的提示詞,草稿已經夠接近了。微調就此擱置。

拿著舊 OpenAI 教學的記帳師

教學說要上傳到 OpenAI 微調。帳戶是新的,所以沒有這個選項。同樣的範例改用 Google 的 contents 和 parts 欄位名稱後,改傳到 Google Cloud。

常見問題

JSON 和 JSONL 有什麼差別?

JSON 存放一個物件或陣列,常跨很多行。JSONL 每行存放一個完整的物件,所以程式可以一次讀取或新增一筆記錄。

能用 Excel 開啟 JSONL 檔案嗎?

不能直接按列開啟。用 pandas(read_json 加 lines=True)轉回來再存為 CSV,或用任何文字編輯器開啟閱讀。

微調模型需要多少範例?

取決於平台。OpenAI 的最低要求是 10 行,建議從 50 行開始;Google 建議 Gemini 微調從 100 個開始。在兩個平台上,品質都比數量更重要。

大的 JSONL 檔案要壓縮嗎?

JSON Lines 規範建議用 gzip 或 bzip2 節省空間。除非平台頁面說明接受壓縮檔,否則請上傳未壓縮的檔案。

您的情況不同?

繼續閱讀

下一篇提示詞最佳化工具:最適合企業的選擇哪些工具能改寫和改進 AI 提示詞、各自花多少錢,以及為什麼大多數小型企業只需要一個免費方法加一個儲存好的專案。

問我們一個問題

一句話就夠了。我們會以電子郵件回覆。

出處

  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