Chat Template + SFT
Jinja 格式、指令微调，大模型终于学会说话
本页解决的问题
先给结论「Chat Template + SFT」要解决的关键问题是什么？
Jinja 格式、指令微调，大模型终于学会说话
让这个结论先证明自己值得留下。 把这一页当成决策工具，而不是需要背下来的定义。把概念连到一个真实任务、一个可观察结果，以及一个能改变你判断的失败上。
写下一个问题：试完这个方法后，你能用什么证据回答它？
结论听起来很完整，却没有检查最关键的假设。
<|im_start|>user← 用户消息开始 紫霞仙子是谁？ <|im_end|>
<|im_start|>assistant← 模型从这里开始补全 （模型补全区域）← SFT 训练模型如何在此处输出 <|im_end|>
（继续按语料风格续写，完全不像在回答问题）
（懂得什么是回答，以助理身份作答）
模型学会了在 <|im_start|>assistant 之后输出像样的回答，不再续写语料。
「从补全到对话的演进」如何改变一次回答
「Jinja 格式、指令微调，大模型终于学会说话」说明，模型处理的不是我们眼中的“字数”，而是一段段 Token。Token 的切分方式会影响输入长度、上下文能放下多少内容，以及一次请求要花多少计算。
长度、信息量和上下文不是一回事
当「Jinja 格式、指令微调，大模型终于学会说话」变长时，先要分清三件事：文字被切成多少 Token、哪些内容真正参与当前判断、以及旧内容是否已经超出上下文窗口。删掉重复说明通常比单纯把窗口开得更大更有效。
先保留会改变判断的内容
可以用「Jinja 格式、指令微调，大模型终于学会说话」做一次对照：保留同样的问题，分别删掉重复背景、压缩格式和移除无关历史，比较答案质量、延迟与 Token 数量。
从「从补全到对话的演进」走到「点击切换视角」
「从补全到对话的演进」先把问题落在「1 统一对话格式（Chat Template） 借鉴 Jinja 模板语言，定义 special token： / 包裹每条消息 2 按格式组装所有消息 system / user / assistant 三种角色，拼成一段没有换行的文本，送给模型 3 SFT（指令微调） 用海量「格式化对话数据」继续训练模型，模型学会了在这套格式下做助理，不再只是续写文本 4 大力出奇迹…」上；到了「点击切换视角」，讨论继续推进到「Chat Template SFT 前后对比 ↺ 重播 system ← 系统提示词角色标记 你是一个有帮助的 AI 助手。 ← System Prompt 内容 ← 结束标记 user ← 用户消息开始 紫霞仙子是谁？ assistant ← 模型从这里开始补全 （模型补全区域） ← SFT 训…」。两段连起来，重点就不只是记住一个结论，而是看清它成立所依赖的条件。
把这条判断带到下一个场景
处理长文本时，先保留会改变结论的内容，再决定如何压缩格式和历史；上下文更长只有在新增信息真正有用时才值得付出代价。
- 「从补全到对话的演进」：1 统一对话格式（Chat Template） 借鉴 Jinja 模板语言，定义 special token： / 包裹每条消息 2 按格式组装所有消息 system / user / assistant 三种角色，拼成一段没有换行的文本，送给模型 3 SFT（指令微调） 用海量「格式化对话数据」继续训练模型，模型学会了在这套格式下做助理，不再只是续写文本 4 大力出奇迹…
- 「点击切换视角」：Chat Template SFT 前后对比 ↺ 重播 system ← 系统提示词角色标记 你是一个有帮助的 AI 助手。 ← System Prompt 内容 ← 结束标记 user ← 用户消息开始 紫霞仙子是谁？ assistant ← 模型从这里开始补全 （模型补全区域） ← SFT 训…
最后的「最后把结论落到实践」把讨论落到「Jinja 格式、指令微调，大模型终于学会说话」。回看这条线索时，最值得保留的是：当输入、规模或风险改变，哪些判断需要重新做一遍。
我把这篇文章里的一个判断改写成了今天可以验证的小实验。比记住结论更有用的是，知道下一步要观察什么。
读完以后我先回头找它成立的条件，而不是直接把方法搬进项目。这个顺序让后面的取舍清楚很多。
如果把这个判断放到真实工作里，最先需要补的约束是什么？我想知道从阅读到第一次实践之间，哪一步最值得先做。
还没有这篇文章的讨论。