JSONL 查看与校验

读取、筛选并检查 JSONL 文件，每个问题都落到具体行上。

日志与数据集在浏览器里读取。不会上传，关闭页面后也不留存。

把它当作训练集来校验

关于 JSONL 查看与校验

对话日志、评测集、训练数据和批处理任务最后都落到 JSONL 里，而它的出错方式和普通 JSON 不一样。五万行好行里夹着一行坏行；末尾多出一个空行；或者一个其实是每行末尾带逗号的美化过的数组的文件。对着一个四十兆的文件说"JSON 无效"，谁都帮不上。所以这里的一切都按行报告，用编辑器会显示的行号。空行被跳过而不是算作错误，而数组冒充 JSONL 的情形会被识别出来，并给出一键转换。

功能特性

• 每个失败都落到它的行号上
• 跳过空行且不打乱行号
• 识别被当作 JSONL 粘贴的美化数组，并完成转换
• 记录里出现过的全部键，以及带有各键的记录数
• 按点号路径筛选，或在整条记录里筛选
• 逐条翻看记录，格式化显示
• 与 JSON 数组互相转换
• 拖入文件，或直接粘贴

如何使用 JSONL 查看与校验

1. 拖入 .jsonl 文件或粘贴内容
2. 查看有效与无效的计数
3. 筛选到你关心的记录
4. 逐条翻看，或导出为数组

示例

输入

line 2: not json

输出

Unexpected token o in JSON at position 1

其余 49,999 行仍然解析成功、可以使用。

常见错误与故障排除

• 所有行都失败了。 — 它多半是美化过的 JSON 数组而不是 JSONL。这种情形会被识别出来，并提供转换。
• 行号和我的编辑器对不上。 — 应该是对得上的——空行在解析时被跳过，但不会打乱行号。
• 我的筛选路径什么都找不到。 — 路径用点号分隔，数组下标用数字：messages.0.content。筛选框上方的键列表会显示实际存在的键。
• 很大的文件很慢。 — 一切都在浏览器里解析，所以超大文件受内存限制。拆开比等待更快。

常见问题

JSONL 是什么？

每行一个完整的 JSON 值，之间没有逗号，外面也没有方括号。它便于流式处理和追加，所以日志和数据集都用它，而且单独一行畸形也不会让整个文件失效。

为什么我的文件看着像 JSONL 却失败了？

几乎总是因为它是美化过的数组：一个对象铺在好几行上，每行末尾还有逗号。那是合法 JSON、不是合法 JSONL，这里会识别出来并提供转换。

按路径筛选是怎么工作的？

用点号分隔的片段，数组下标用数字。该路径上的值会以不区分大小写的子串方式搜索，所以按第一条消息的内容筛选只要一个表达式。

末尾的空行有问题吗？

没有。以换行结尾的文件既正常又正确；空行单独计数，永远不会被报成错误。

我的文件会被上传吗？

不会。一切都在浏览器里解析。考虑到 JSONL 里通常装着什么，这一点很重要：对话日志和训练数据是团队里最敏感的文件之一。

相关工具

• 微调数据集校验 — 检查 chat 格式 JSONL，找出会中断训练的错误。
• 对话记录转换 — 把消息数组转成可读记录，也能转回去。
• 批量请求构建器 — 把表格转成批量任务，每条请求都有唯一 id。
• 提示模板填充 — 把一条提示展开到整张表格，并看清缺了哪些值。
• SSE 流查看器 — 粘贴原始流式响应，取回正文、工具调用与用量。
• 文本切分 — 把文档切成有重叠的片段，只在真正的边界处断开。

更多AI 与智能体工具

• 技能构建器 — 编写 SKILL.md，边输入边检查 frontmatter。
• 技能检查器 — 粘贴 SKILL.md，看清是什么让它无法与任务匹配。
• 子代理构建器 — 生成子代理定义文件，含工具与模型设置。
• 斜杠命令构建器 — 构建自定义命令，带参数与工具白名单。
• 项目说明构建器 — 写一份对得起每次请求开销的 CLAUDE.md。
• 插件清单构建器 — 生成 plugin.json，并查看它所预设的目录结构。
• 钩子构建器 — 构建 settings.json 钩子，找出永远不会触发的匹配式。
• 权限规则测试器 — 用真实命令测试允许、询问与拒绝规则。
• MCP 服务器配置 — 为 stdio、HTTP 或 SSE 生成 MCP 服务器条目。
• MCP 工具模式构建器 — 定义工具并得到 JSON Schema，严格模式一并校验。
• 工具模式校验器 — 粘贴工具定义，查清它为何被拒绝或被错误调用。
• 提示模板填充 — 把一条提示展开到整张表格，并看清缺了哪些值。
• 系统提示检查器 — 找出自相矛盾、无效指令与未替换的占位符。
• 提示差异比较 — 逐词比较两个提示版本，并给出 token 差额。
• 少样本示例构建器 — 把输入输出对转成带标签、JSON 或对话格式的示例。
• XML 提示分节构建器 — 用内容无法越出的标签包裹提示的各个部分。
• 对话记录转换 — 把消息数组转成可读记录，也能转回去。
• 微调数据集校验 — 检查 chat 格式 JSONL，找出会中断训练的错误。
• SSE 流查看器 — 粘贴原始流式响应，取回正文、工具调用与用量。
• 上下文窗口规划 — 在提示、工具、历史与回复之间分配上下文窗口。
• 提示缓存规划 — 重排请求的各块，让可缓存前缀尽可能长。
• 文本切分 — 把文档切成有重叠的片段，只在真正的边界处断开。
• 代理循环成本估算 — 逐轮估算成本，计入重发的历史与缓存。
• 批量请求构建器 — 把表格转成批量任务，每条请求都有唯一 id。

查看全部AI 与智能体工具 · 全部工具