大模型微调一般使用的是 json ，jsonl 或 parquet 格式存储的对话数据集，我看了一些公开的数据集，都是问答对形式的对话数据集，结构化的文本数据。

我的疑问是，构建上千条甚至上万条这种对话数据，一般使用的工具是什么？传统的数据标注，是用一些数据标注工具为每一条数据添加标记（这里面一般不能修改原始数据），这些对话数据，显然是需要能自己构建和修改的（或者让模型生成回答，人工审核和编辑），直接编辑 json 或 jsonl 文件看起来不太现实，因为它们不会对"\n"这种转义符进行转义，所以如果文本很长，看起来就是一行很长很长的文本，直接在 VSCode 里查看和编辑很吃力也不够直观（你们可以尝试下载一些公开的数据集然后在 VSCode 或其他文本编辑器打开就知道了）

我看到很多说明如何使用这些数据集进行训练的文章或教程，但很少有讨论关于如何从零开始构建这些数据集的方法，甚至似乎没有一个很好的编辑工具可以随时查看和修改对话数据。还可以延伸到多人协作的问题，仅靠一个人完全审核和修改上千至上万条对话数据，这工作量也是很大的，一般需要多人协作，那这个工具还得能支持多人协作才可以。

我之前尝试了 Doccano 和 Label Studio ，不知道是我设置有问题还是操作有问题，我发现这些标注工具都是为 NLP 任务设计的，而不是为 LLM 对话数据设计的，并不能很好满足这种场景。