告诉模型谁在提问，谁该回答
没有清晰角色，模型可能把用户的话、助手的话和系统规则混在一起。
05 从补全到对话
Chat Template 和指令微调：AI 是怎么学会“聊天”的？
上一篇我们讲了：大模型最开始更像补全机器，后来才变成聊天助手。这里面有两个很容易混淆的概念：Chat Template 和 Instruction Tuning。它们看起来都在让 AI 按要求回答，但实际解决的是两个完全不同的问题。
一句话回答
Chat Template 是“聊天格式”，指令微调是“岗前培训”。前者把 System、User、Assistant 整理成模型能看懂的输入，告诉模型谁在说话；后者通过大量样本训练模型，让它学会用户提出要求后应该怎么完成。
01 模型真的知道谁是“用户”吗
who is speaking
人能一眼看懂，模型需要格式
我们看到的是聊天，模型看到的是一串 Token
人看到“用户：什么是 API？AI：API 是……”，很容易知道谁在问、谁在答。但最基础的大语言模型并不是天生理解这些角色。它需要一套格式，把系统规则、用户问题、助手回复整理清楚。
System你是一名 AI 入门老师。
User什么是 Token？
AssistantToken 可以理解为……
02 什么是 Chat Template
chat format
聊天模板，就是对话排版规则
它负责把聊天角色整理成模型训练时熟悉的格式
不同模型训练时见过的聊天格式可能不一样。有的用 User / Assistant，有的用特殊标记。Chat Template 的作用，就是按模型习惯把对话拼好，让模型知道：这段是系统规则，这段是用户问题，下一段该轮到助手回答。
示意格式，不代表某个模型真实模板
<系统>你是一名 AI 老师。</系统>
<用户>什么是 Token？</用户>
<助手>
03 为什么需要 Chat Template
why format matters
避免自己和自己聊天
模板不对时，模型可能重复用户问题、继续编对话，甚至输出奇怪标记。
让模型按熟悉格式发挥能力
开源模型尤其常见：使用官方模板，往往比随便拼字符串更稳定。
04 点一个场景，看两个概念分别解决什么
template vs tuning
Chat Template 解决角色顺序，指令微调解决任务执行
Chat Template 负责
把 System、User、Assistant 排好，让模型知道“这句是用户说的，下一句该助手回答”。
指令微调负责
训练模型看到用户问题后，不是继续编剧本，而是按助手身份认真回答。
05 指令微调到底教了什么
instruction tuning
指令：把 Hello 翻译成中文
理想回答：你好。
指令：用一句话解释人工智能
理想回答：人工智能就是让机器具备类似人类的学习、理解和解决问题能力。
指令：把下面内容总结成 3 点
理想回答：按重点提炼，而不是继续写原文。
06 两者到底差在哪
simple compare
Chat Template
像微信聊天框的格式。它告诉模型这句话是谁说的，下一句应该轮到谁说。
- 本质
- 对话格式
- 解决
- 谁在说话
- 参数
- 通常不改变
指令微调
像新员工岗前培训。它教模型：别人提出要求以后，你应该怎么完成。
- 本质
- 训练过程
- 解决
- 用户想让我干什么
- 参数
- 会改变模型能力
07 把前面概念串起来
full stack
预训练让模型会说话，有基础知识。
→
指令微调让模型会听要求做事。
→
Chat Template让模型看懂聊天格式。
→
System Prompt告诉模型现在是谁、按什么规则答。
→
User Prompt用户提出具体任务。
08 为什么开源模型经常强调官方模板
open source note
ChatGPT、Claude、豆包通常帮你处理好了
普通用户只需要聊天，不需要手动关心模板细节。
自己部署模型时，模板很容易影响效果
模型可能是在特定格式下训练的，乱用格式会让能力发挥不稳定。
模板不能让普通模型突然变聪明
模板只是整理输入，不能替代指令微调、对齐和模型本身能力。
09 最后用两句话记住
final rule
Chat Template = 聊天格式。指令微调 = 新员工岗前培训。
前者让模型看懂“谁在说话、下一句轮到谁”；后者让模型学会“用户提出要求后，我应该怎么做”。两者配合起来，模型才更像一个稳定的聊天助手。
本节小结
- Chat Template 是聊天格式，不是训练本身。
- 指令微调会用大量样本训练模型遵循人类指令。
- 模板解决角色和格式，微调解决任务理解和执行。
- 开源模型要尽量使用官方模板，但模板不能替代模型能力。