Chat-Format-Konverter

Was es tut

Der Chat Format Converter verwandelt ein Chat-Transkript in die Form eines anderen Anbieters: OpenAI messages[], Anthropic messages[] mit einem Top-Level-system, Gemini contents[] (bei dem der Assistent model heißt) oder ein schlichtes Markdown-Transkript. Füge ein Transkript ein, wähle Quell- und Zielformat, und du erhältst das äquivalente Payload, bereit für die andere API. Alles läuft zu 100 % clientseitig - nichts, was du einfügst, wird je an einen Server gesendet; das Tool ist also sicher für echte Logs und Payloads.

Die Konvertierung geht durch eine gemeinsame interne Nachrichtenliste, sodass Rollen treu abgebildet werden (system wird Anthropics Top-Level-system und Geminis systemInstruction; Geminis model wird assistant), und Tool-Aufrufe, Tool-Ergebnisse samt ihrer Korrelations-IDs bleiben über Formate hinweg erhalten. Felder, die ein Zielformat nicht darstellen kann (Tool-Aufrufe in Markdown, Per-Message-Namen in Anthropic/Gemini), werden als Warnungen markiert, statt still verworfen zu werden, und ein OpenAI → OpenAI-Rundflug ist verlustfrei.

So verwendest du es

1. Füge dein Transkript in die Box Transcript ein (oder drücke Sample, um ein Demo-Gespräch zu laden).
2. Wähle das Quellformat unter From und das Ziel unter To - oder drücke den Swap-Knopf dazwischen, um die Richtung umzukehren.
3. Lies das konvertierte Transkript im Output; drücke Copy output, um es zu kopieren.
4. Prüfe Warnings (nur angezeigt, wenn vorhanden) auf alles, was sich nicht abbilden ließ, etwa Tool-Aufrufe auf dem Weg nach Markdown.
5. Copy share link kodiert das Transkript und beide Formate in die URL; ein Link stellt also exakt dieselbe Konvertierung wieder her.

Beispiele

OpenAI → Anthropic (system wandert auf die Top-Ebene)

Eingabe:

{
  "messages": [
    { "role": "system", "content": "You are terse." },
    { "role": "user", "content": "Hi" },
    { "role": "assistant", "content": "Hello." }
  ]
}

Ausgabe:

{
  "system": "You are terse.",
  "messages": [
    { "role": "user", "content": "Hi" },
    { "role": "assistant", "content": "Hello." }
  ]
}

OpenAI → Gemini (assistant wird model, system wird systemInstruction)

Ausgabe:

{
  "systemInstruction": { "parts": [{ "text": "You are terse." }] },
  "contents": [
    { "role": "user", "parts": [{ "text": "Hi" }] },
    { "role": "model", "parts": [{ "text": "Hello." }] }
  ]
}

OpenAI → Markdown (eine Tool-nutzende Runde - Tool-Aufrufe werden markiert, nicht verloren)

Eine Assistant-Nachricht mit tool_calls konvertiert zu **assistant**:- / **tool**:-Blöcken und meldet message 0: tool calls are not representable in Markdown and were dropped, sodass du exakt weißt, was die Reise nicht überstanden hat.

Gut zu wissen

• Tool-Aufrufe überleben die JSON-Formate: OpenAI tool_calls ↔ Anthropic tool_use/tool_result-Blöcke ↔ Gemini functionCall/functionResponse-Parts, mit IDs (oder Gemini-Namen) als Korrelationsschlüssel.
• Verlustfreier Same-Format-Rundflug: OpenAI → OpenAI zu konvertieren parst in die interne Form und zurück, ohne String-Inhalt-Nachrichten zu verändern.
• Teilbar: das Transkript und beide Formate sind in der URL kodiert (?t=…&from=…&to=…).
• Privat: das ganze Parsen passiert lokal - sicher für echte Logs, Prompts und Zugangsdaten.
• Verwandte Tools: Token Estimator, LLM Cost Calculator, JSON Formatter.