实用工具
输入
结果
结果会显示在这里。OpenAI 微调任务如果没通过校验，或者在悄悄出错的样本上训练，浪费的是时间和钱。这个工具把 OpenAI 官方数据准备 notebook（openai/openai-cookbook，MIT）里的检查逐一应用到你的 JSONL 文件上——每行一个对话样本——并补上了 notebook 出现之后格式新增的部分：工具调用、图片内容片段和按消息设置的 weight。你会得到每个错误及其行号、notebook 同款的 Token 统计、API 默认会选择的训练轮数，以及训练将计费的 Token 数。
它是怎么工作的
- 每行必须是一个带 messages 数组的 JSON 对象；角色只能是 system、user、assistant、tool 或 function，每个样本至少要有一条 assistant 消息可供学习。
- 它会检查上传校验会拒绝的问题：未知字段、空内容、weight 不是 0 或 1 或者出现在非 assistant 消息上、工具调用缺少 id、name 或 JSON 格式的参数，以及 tool_call_id 对应不上任何前面调用的工具回复。
- 它还能认出整体格式就不对的文件——旧版 prompt/completion 格式和偏好（DPO）数据——并直接说明，而不是报出几百条错误。
- Token 按 notebook 的公式基于 o200k_base 计算；超过 Token 上限的样本会被标出，因为训练时会被截断；计费 Token 数是截断后的总数乘以默认轮数。
你的数据去了哪里
哪也没去。本工具完全在你的浏览器里运行：你粘贴的文本由页面处理，不会传输到任何服务器，也不会写进任何日志。
本工具免费且无需登录，运行结果只存在于你当前的页面里，不会被保存到任何地方。
它要花多少
本工具完全免费，不需要登录，也不消耗积分。
常见问题
- 需要多少条样本？
- 少于 10 条 API 会直接拒绝。OpenAI 建议先用 50–100 条精心挑选的样本，只有效果确实提升时再加量。默认训练轮数会随文件大小调整：大多数文件是 3 轮，很小的文件更多（最多 25 轮），很大的文件更少，本工具用的就是这条规则。
- “单条 Token 上限”这个设置有什么用？
- 它是基础模型能训练的最长样本；OpenAI 为 gpt-4o 和 gpt-4o-mini 公布的是 65,536 个 Token，这里默认也用这个值。更长的样本在训练时会被截断到上限，结尾部分——往往正是 assistant 的回答——就丢了。请按你所选模型公布的上限设置。
- 我的 Token 数会和 OpenAI 算的完全一样吗？
- 很接近，但不一定完全一样：notebook 公式里每条消息的额外开销是个近似值，工具定义则按其 JSON 文本计数。用它来找出超长样本、估算费用就好；最终以任务自己报告的 trained tokens 为准。
- 能检查 DPO 或强化微调的数据吗？
- 不能，它校验的是监督式对话格式。带 preferred_output 和 non_preferred_output 的偏好数据会被识别出来并如实报告，让你知道为什么每一行都不通过，但不会检查它自身的结构。
背后的开源项目
本工具是独立实现，并未打包第三方库。openai/openai-cookbook（MIT）在代码层面做的是同一件事——如果你需要在自己的程序里实现它，从那里开始，而不是调用一个网页。
openai/openai-cookbook也常被称作
- 微调数据格式校验
- jsonl 校验
- openai 微调 数据格式
- fine-tuning jsonl
- 微调 token 计算
- 训练数据检查