You can deploy this model and start earning money today!

nyzmemre/
gemma4-custom-chat-template

Name: gemma4-custom-chat-template
Availability: InStock

google/gemma-4-E4B-it

finetune

apache-2.0

Views

No views yet

Custom Chat Template (Jinja2) — Gemma 4 uyumlu, tool-calling odaklı

Bir dil modelinin system, user, assistant ve tool mesajlarını doğru ayırt edebilmesi ve tool-calling parametrelerini beklenen biçimde üretebilmesi için yazılmış özel bir Jinja2 sohbet şablonu.

Şablonu gerçek bir modelde (Gemma 4, Ollama üzerinden) çalıştırılarak doğruladım.

Dosyalar

Dosya	Açıklama
`chat_template.jinja`	Şablonun kendisi
`test_render.py`	Şablonu 4 farklı sohbet üzerinde render eder (model gerekmez)
`test_ollama.py`	Şablonun ürettiği metni gerçek modele gönderip davranışı ölçer

Karşılaştırma için kullanılan resmi Gemma 4 şablonu repoya dahil edilmemiştir; kendi lisansı altında unsloth/gemma-4-E4B-it adresinden alınabilir.

Desteklenen girdiler

python

messages               # OpenAI biçiminde mesaj listesi (system / user / assistant / tool)
tools                  # OpenAI biçiminde araç şeması listesi (opsiyonel)
add_generation_prompt  # True ise sonda boş model turu açılır
bos_token              # opsiyonel
varsayilan_talimat     # system mesajı yokken kullanılacak talimat

Ürettiği biçim

<bos><|turn>system
Sen bir biyoloji çalışma koçusun. Yanıtlarını YALNIZCA araçlardan dönen veriye dayandır.
<|tool>declaration:terim_ara{description:<|"|>...<|"|>,parameters:{properties:{terim:{
description:<|"|>Aranacak biyoloji terimi<|"|>,type:<|"|>STRING<|"|>}},
required:[<|"|>terim<|"|>],type:<|"|>OBJECT<|"|>}}<tool|><turn|>
<|turn>user
Mayoz nedir?<turn|>
<|turn>model
<|tool_call>call:terim_ara{terim:<|"|>mayoz<|"|>}<tool_call|>
<|tool_response>response:terim_ara{bulundu:true,kitap_sayfasi:87,tanim:<|"|>...<|"|>}<tool_response|>
Mayoz, ... (Kaynak: ders kitabı s.87)<turn|>
<|turn>model

Tasarım kararları

Token seti neden özgün değil, Gemma 4'ün token'ları? Özel token'lar tokenizer'da tek parçadır ve model onları eğitim boyunca sınır işareti olarak öğrenir. Uydurma bir token (<|msg|> gibi) tokenizer'da tanımsız olduğu için <, |, msg, |, > şeklinde parçalanır ve model bunu sıradan metin sanar. Sonuç hata değil, sessiz kalite kaybıdır: model rolleri karıştırır, tool çağrısı üretmez. Bu yüzden alfabe modelden alındı, şablonun yapısı ve mantığı bu projede kuruldu.

Rol sırası kontrolü (alternation) neden yok? Yaygın şablonlarda user/assistant/user/assistant sırası zorlanır ve bozulursa raise_exception fırlatılır. Tool calling bu kuralı kırar, çünkü gerçek akış user → assistant(tool çağırır) → tool(sonuç) → assistant(cevaplar) şeklindedir. Bu şablonda böyle bir kontrol bilinçli olarak yoktur.

Gemma'ya özgü iki davranış korundu:

assistant rolü metinde model adıyla yazılır.
tool sonuçları kendi turunu açmaz; açık model turunun içine girer. Böylece model → tool → model zinciri tek bir tur içinde kalır.

Resmi şablona göre çıkarılanlar. Resmi Gemma 4 şablonu 385 satırdır; düşünme kanalları (<|think|>, <|channel>), multimodal içerik (görüntü/ses/video), legacy Google + OpenAI çift tool formatı ve derin şema özyinelemesi taşır. Bu şablon yalnızca metin + tool-calling akışına odaklanır. Kullanılmayan özelliği taşımamak hata yüzeyini küçültür.

<|"|> escape token'ı. Gemma argümanları JSON yerine kendi kompakt biçiminde yazar ve string sınırlarını <|"|> özel token'ıyla işaretler. Bu token kullanıcı metninden üretilemediği için kaçış (escape) sorunu tokenizer seviyesinde çözülür — JSON'daki " karakterinin aksine kırılgan değildir.

Doğrulama

Render testi (model gerekmez)

bash

pip install jinja2
python test_render.py

Dört senaryo: tam tool-calling zinciri, system mesajı olmadan yalnızca araçlar, düz sohbet, argümanların JSON string olarak geldiği durum. Testler StrictUndefined ile çalışır; şablondaki opsiyonel alan erişimleri bu sayede sessizce boş geçmek yerine hata verir.

Gerçek model testi

bash

ollama pull gemma4
python test_ollama.py

Şablonun ürettiği metin Ollama'ya raw=True ile gönderilir. Bu, Ollama'nın kendi şablonunu devre dışı bırakır; modele giden her karakteri bu şablon belirler.

Test	Beklenen	Sonuç
A	Modelin aracı çağırması	`<\|tool_call>call:terim_ara{terim:<\|"\|>Mayoz<\|"\|>}<tool_call\|>`
B	Araç sonucundan cevap üretmesi	Tanımı verdi, "Kaynak: Sayfa 87" atfıyla
C	Araç boş dönünce uydurmaması	"…kullandığım biyoloji sözlüğünde bulunmamaktadır."

C testi şablonun tool-response bloğunun işe yaradığını gösterir: model konu hakkında bilgi sahibi olmasına rağmen, araçtan bulundu:false gelince tanım uydurmayı reddetti.

Kullanım