一句话定义：Chat Template 是把一串「角色 + 内容」的对话消息，按模型训练时见过的那种写法，拼成一条纯文本的规则。
大模型本质上是文本续写机器，它没有原生的「角色」概念。你在 API 里看到的 system / user / assistant，只是接口层给你的抽象；真正进了模型，必须落到一串字符上：谁在说话、用什么标记包起来、消息之间怎么分隔、结尾要不要留一个「该你答了」的空位。这套约定就是 chat template。
打个比方，这像公司里的报销单。财务只认那张表：姓名填左上角，金额填右下角。你把同样的信息写在便利贴上贴过去，内容一字不差，照样被退回——不是信息不对，是长相不对。对话模型也一样，它在对话微调阶段只见过某一种长相。
格式一变为什么会崩，通常是两种机制。一是角色标记被当成普通正文，模型以为那是上一个人在说话，于是接着往下编，角色错位；二是模型没认出「轮到我了」的边界，继续补全提示词，输出跑偏。手写 prompt、换推理框架、把微调模型塞进别人的服务里，都是高发场景。
和相邻概念的区别，可以这样对照：
| 概念 | 管什么 | 出错时的典型表现 |
|---|---|---|
| Chat Template | 格式：角色怎么标注、消息怎么分隔 | 答非所问、角色错乱、停不下来 |
| AI 词典：System Prompt">System Prompt | 内容：给模型的身份和约束 | 风格不符、不守规矩 |
| Tokenizer（分词器） | 文本怎么切成 token | 特殊符号被拆碎、出现乱码 |
| 采样参数 | 怎么挑下一个词 | 太随机或太死板 |
这四件事经常一起出问题，但归因得分开。同一份内容换个模板效果差很多，就说明问题在格式，不在内容。
对从业者有几条实操建议。第一，别手搓字符串拼消息，优先用 tokenizer 自带的 apply_chat_template 这类接口，它读的就是模型仓库里的模板配置（一般以 Jinja 模板形式写在 tokenizer 相关配置里）；具体字段以官方页面和模型仓库为准。第二，微调时训练用的格式必须和推理时一致，不一致等于白训，这是最隐蔽的坑之一。第三，上线前把模板固定下来写进文档，别让几个服务各拼一套。第四，换基座模型时模板通常要跟着换，旧代码不会自动适配。
对普通职场用户，结论更简单：同一个模型在你的工具里时好时坏，先怀疑输入格式，再怀疑自己的提问水平。