Kontrola trénovacích dat LLM. Dataset na fine-tuning je typicky {"messages": [...]} na řádek. Projít korpus, ověřit vyváženost tříd, najít tu jednu outlier řádku, která ti shazuje trainer. Čtení batch výstupů OpenAI / Anthropic. Oba vracejí batch výsledky jako JSONL — jeden řádek na request, se statusem a obsahem. Na první pohled uvidíš, které requesty prošly. Review audit logů. Aplikační logy v JSONL jsou běžné; tento nástroj je zobrazí jako tabulku na ad-hoc analýzu bez opuštění prohlížeče. Sanity-check eventových streamů. Kafka / Kinesis dumpy často chodí jako JSONL. Rychlý stránkovaný pohled, bez jq. Konverze JSONL → CSV. Použij export tlačítko, když chceš nasypat data do tabulky.

JSON pole ≠ JSONL. Pokud tvůj soubor vypadá jako [{...}, {...}, {...}] s čárkami mezi objekty, je to JSON pole, ne JSONL. Odstraň vnější závorky a nahraď čárky novými řádky — nebo použij JSON prohlížeč. Pretty-printed JSON není JSONL. Pokud se každý „objekt" táhne přes víc řádků, parser uvidí rozbité fragmenty. JSONL je striktně jeden objekt na řádek. Smíšené tvary řádků jsou v pořádku, ale nepořádné. Pokud má polovina řádků content a druhá text , dostaneš dva sloupce a hodně prázdných míst. Často to chceš; někdy to ukazuje na bug v čištění dat. Velmi velké soubory. Vše se parsuje v paměti; ~50–100 MB je v pohodě na moderních laptopech, víc začne zpomalovat. Pro logy v gigabajtech použij streamovací CLI nástroj. Soukromí. Soubory nikdy neopustí stránku. FileReader čte bajty do JS paměti; žádný síťový request.

JSONL prohlížeč

Zobraz JSONL (JSON oddělený novými řádky) soubory ve stránkované tabulce. Vlož tisíce řádků, hledej, filtruj, rozbal jednotlivé záznamy. Soubory nikdy neopustí tvůj prohlížeč.

Paste JSONL (one JSON object per line) or upload a file

📂 Upload .jsonl / .ndjson

K čemu to slouží?

JSONL (také NDJSON — JSON oddělený novými řádky) je de facto formát pro trénovací data LLM, audit logy, eventové streamy a výstupy batch API. Jeden JSON objekt na řádek, žádné obklopující pole. Append-friendly, parsuje se řádek po řádku, přežije částečnou korupci. Číst ho jako člověk ale bolí — chceš tabulku, ne zeď složených závorek. Tenhle nástroj ti dá tu tabulku v prohlížeči. Nic se nenahrává; soubor se čte přes FileReader prohlížeče a parsuje na místě.

Kdy to použít

Kontrola trénovacích dat LLM. Dataset na fine-tuning je typicky {"messages": [...]} na řádek. Projít korpus, ověřit vyváženost tříd, najít tu jednu outlier řádku, která ti shazuje trainer.
Čtení batch výstupů OpenAI / Anthropic. Oba vracejí batch výsledky jako JSONL — jeden řádek na request, se statusem a obsahem. Na první pohled uvidíš, které requesty prošly.
Review audit logů. Aplikační logy v JSONL jsou běžné; tento nástroj je zobrazí jako tabulku na ad-hoc analýzu bez opuštění prohlížeče.
Sanity-check eventových streamů. Kafka / Kinesis dumpy často chodí jako JSONL. Rychlý stránkovaný pohled, bez jq.
Konverze JSONL → CSV. Použij export tlačítko, když chceš nasypat data do tabulky.

Jak parsování funguje

Každý neprázdný řádek se parsuje nezávisle jako JSON. Prázdné řádky se ignorují.
Pokud řádek selže, objeví se jako červený řádek s chybou parseru — zbytek souboru pokračuje. Záměrně: jeden špatný řádek nemá stát další tisícovku.
Sloupce se autodetekují z unie klíčů v prvních 100 platných řádcích, seřazené podle frekvence. Vzácné klíče po 100. řádku zůstanou v datech, ale nedostanou vlastní sloupec.
Vnořené objekty a pole se v buňce zobrazí jako oříznutý JSON snippet. Klikni na řádek, abys viděl plný pretty-printed JSON.

Časté pasti

JSON pole ≠ JSONL. Pokud tvůj soubor vypadá jako [{...}, {...}, {...}] s čárkami mezi objekty, je to JSON pole, ne JSONL. Odstraň vnější závorky a nahraď čárky novými řádky — nebo použij JSON prohlížeč.
Pretty-printed JSON není JSONL. Pokud se každý „objekt" táhne přes víc řádků, parser uvidí rozbité fragmenty. JSONL je striktně jeden objekt na řádek.
Smíšené tvary řádků jsou v pořádku, ale nepořádné. Pokud má polovina řádků content a druhá text, dostaneš dva sloupce a hodně prázdných míst. Často to chceš; někdy to ukazuje na bug v čištění dat.
Velmi velké soubory. Vše se parsuje v paměti; ~50–100 MB je v pohodě na moderních laptopech, víc začne zpomalovat. Pro logy v gigabajtech použij streamovací CLI nástroj.
Soukromí. Soubory nikdy neopustí stránku. FileReader čte bajty do JS paměti; žádný síťový request.