diff --git a/_version.txt b/_version.txt
index e89630d..8fdc1f7 100644
--- a/_version.txt
+++ b/_version.txt
@@ -1,3 +1,3 @@
-Git Hash: e9c9016d0cf3cd8bec0568310219fc93aa40d00c
-Build Time: 2023/12/15 03:15:50
+Git Hash: ffaf7b579a6c226ee168c33b03cefde112282dcc
+Build Time: 2023/12/19 05:16:59
 Build Platform: Linux-6.2.0-1018-azure-x86_64-with-glibc2.35
diff --git a/docs/chat-template/document.md b/docs/chat-template/document.md
new file mode 100644
index 0000000..e9ae177
--- /dev/null
+++ b/docs/chat-template/document.md
@@ -0,0 +1,191 @@
+# 設定聊天模板讓 chat model 更好用
+
+<document-info>
+- tags: #chat-template#transformers#LLM#chat-model
+- date: 2023/12/19
+</document-info>
+
+新版本的 transformers 已經增加 `tokenizer.chat_template` 屬性，有了這個 `chat_template` ，能確保我們在使用或訓練時遵循模型的需要的模板。
+
+許多第三方的部屬框架 (如: vllm, openllm) 也已經開始支援這個屬性，但如果沒有設置 `.chat_template` 則會使用 `.default_chat_template` ，需要特別注意。
+
+> 這些框架號稱支援多種不同模型與 `chat_template` ，但以 [chatglm3](https://huggingface.co/THUDM/chatglm3-6b) 和 [vllm](https://github.com/vllm-project/vllm/blob/main/vllm/entrypoints/openai/api_server.py) 舉例來說，就會發現因為 chatglm3 的 `chat_template` 缺失，導致套用到非正確的聊天模板。
+
+### chatglm3 聊天模板
+chatglm3是能力不錯的中文 chat model，不過目前尚未提供 `.chat_template` ，使用起來不太方便:
+
+```python
+# pip install protobuf cpm_kernels sentencepiece
+from transformers import AutoTokenizer, AutoModel
+tokenizer = AutoTokenizer.from_pretrained("THUDM/chatglm3-6b", trust_remote_code=True)
+```
+
+#### 缺少 chat_template
+```python
+print(tokenizer.chat_template)
+# None
+```
+```python
+None
+```
+
+由於沒有聊天模板，此時 tokenizer 會退回去使用 `.default_chat_template` ，這時便會套用到 ChatML 的格式:
+```python
+print(tokenizer.default_chat_template)
+# {% for message in messages %}{{'<|im_start|>' + message['role'] + '
+# ' + message['content'] + '<|im_end|>' + '
+# '}}{% endfor %}{% if add_generation_prompt %}{{ '<|im_start|>assistant
+# ' }}{% endif %}
+```
+
+若直接使用這個格式，會**損害**模型的能力，因為模型不理解這種對話格式:
+
+```python
+out = tokenizer.decode(tokenizer.apply_chat_template(
+    conversation=[  
+        {"role": "system", "content": "A system prompt"},
+        {"role": "user", "content": "Hi there!"},
+        {"role": "assistant", "content": "Nice to meet you!"},
+        {"role": "user", "content": "Can I ask a question?"}
+    ]
+))
+print(out)
+```
+
+```
+<|im_start|>system
+A system prompt<|im_end|>
+<|im_start|>user
+Hi there!<|im_end|>
+<|im_start|>assistant
+Nice to meet you!<|im_end|>
+<|im_start|>user
+Can I ask a question?<|im_end|>
+```
+> 轉出來是 ChatML 格式，不符合我們的預期。
+
+#### build_chat_input (Chatglm 作者實現)
+chatglm 作者在tokenizer提供了 `.build_chat_input` 增加易用性，然而這方法僅能用在 chatglm 模型，並不是通用方法:
+```python
+encodes = tokenizer.build_chat_input(
+    query="hello",
+    history=[  
+        {"role": "system", "content": "A system prompt"},
+        {"role": "user", "content": "Hi there!"},
+        {"role": "assistant", "content": "Nice to meet you!"},
+        {"role": "user", "content": "Can I ask a question?"}
+    ]
+)
+
+input_ids = encodes["input_ids"][0]
+out = tokenizer.decode(input_ids)
+print(out)
+```
+```
+[gMASK]sop<|system|> 
+ A system prompt<|user|> 
+ Hi there!<|assistant|> 
+ Nice to meet you!<|user|> 
+ Can I ask a question?<|user|> 
+ hello<|assistant|>
+```
+
+### 撰寫 jinja 模板
+
+[Jinja](https://jinja.palletsprojects.com/)是一個強大的模板引擎。我們能夠以近似Python的程式碼風格進行編寫並透過向模板傳遞資料，最終將文字呈現。
+
+```python
+from jinja2.nativetypes import NativeEnvironment
+
+messages = [  
+    {"role": "system", "content": "A system prompt"},
+    {"role": "user", "content": "Hi there!"},
+    {"role": "assistant", "content": "Nice to meet you!"},
+    {"role": "user", "content": "Can I ask a question?"}
+]
+env = NativeEnvironment()
+
+chat_template = """
+{% for message in messages %}\
+{% if loop.first %}\
+[gMASK]sop<|{{ message['role'] }}|> 
+ {{ message['content'] }}\
+{% else %}\
+<|{{ message['role'] }}|> 
+ {{ message['content'] }}\
+{% endif %}\
+{% endfor %}\
+{% if add_generation_prompt %}<|assistant|>{% endif %}
+""".strip()
+
+t = env.from_string(chat_template)
+print(jinja_template_result:= t.render(messages=messages,add_generation_prompt=True))
+print("-"*20)
+print(official_result:=tokenizer.decode(tokenizer.build_chat_input(query=messages[-1]['content'],history=messages[:-1])['input_ids'][0]))
+```
+```
+[gMASK]sop<|system|> 
+ A system prompt<|user|> 
+ Hi there!<|assistant|> 
+ Nice to meet you!<|user|> 
+ Can I ask a question?<|assistant|>
+--------------------
+[gMASK]sop<|system|> 
+ A system prompt<|user|> 
+ Hi there!<|assistant|> 
+ Nice to meet you!<|user|> 
+ Can I ask a question?<|assistant|>
+```
+
+現在是 `jinja_template` 與 `.build_chat_input` 對齊了:)
+
+##### 模板除錯
+用肉眼一個一個比對太累了，直接使用difflib比較兩組字串差異。
+```python
+from difflib import ndiff
+# 如果樣板結果與官方版本不同，比較差異
+if not jinja_template_result == official_result:
+    str1 = jinja_template_result
+    str2 = official_result
+    diff = ndiff(str1.splitlines(), str2.splitlines())
+    for line in diff:
+        print(line)
+```
+
+### 使用 `tokenizer.chat_template` 搭配 `model.generate`
+
+幫每個模型撰寫聊天模板並且搭配 `model.gemerate` ，如此使得每個聊天的模型的操作都可以一致:
+
+```python
+from transformers import AutoTokenizer,AutoModelForCausalLM
+
+model_id_or_path = "THUDM/chatglm3-6b"
+tokenizer = AutoTokenizer.from_pretrained(model_id_or_path,trust_remote_code=True)
+tokenizer.chat_template = "{% for message in messages %}{% if loop.first %}[gMASK]sop<|{{ message['role'] }}|> \n {{ message['content'] }}{% else %}<|{{ message['role'] }}|> \n {{ message['content'] }}{% endif %}{% endfor %}{% if add_generation_prompt %}<|assistant|>{% endif %}"
+model = AutoModelForCausalLM.from_pretrained(model_id_or_path,device_map="auto",trust_remote_code=True)
+# model.half()
+inputs = tokenizer.apply_chat_template([
+    {"role":"system","content":"你是一位樂於助人、尊重他人且誠實的助理。請始終以最有幫助的方式回答問題。如果你對某個問題不知道答案，請不要提供虛假信息。"},
+    {"role":"user","content":"如何減緩地球暖化？"}
+],add_generation_prompt=True,tokenize=True,return_tensors="pt")
+
+out = model.generate(inputs,max_new_tokens=256)
+print(tokenizer.decode(out[0]))
+```
+```
+[gMASK]sop<|system|> 
+ 你是一位樂於助人、尊重他人且誠實的助理。請始終以最有幫助的方式回答問題。如果你對某個問題不知道答案，請不要提供虛假信息。<|user|> 
+ 如何減緩地球暖化？<|assistant|> 
+ 減緩地球暖化有許多方法，以下是一些主要的措施：
+
+1. 減少二氧化碳排放：這包括減少工業和交通碳排放，以及提高能源效率。
+2. 採用可再生能源：如太陽能、風能和水能等。
+3. 保護森林：森林可以吸收二氧化碳，如果森林被砍伐或被燒毀，會增加二氧化碳的排放。
+4. 減少溫室氣體排放：這包括減少農業和工業溫室氣體排放，以及提高能源效率。
+5. 改變飲食習慣：減少肉類和乳製品 consumption，因為它們產生的大氣碳排}>
+```
+
+### 其他參考連結
+- https://huggingface.co/docs/transformers/chat_templating
+- https://huggingface.co/blog/chat-templates
+- https://huggingface.co/blog/zh/chat-templates
\ No newline at end of file
diff --git a/index.json b/index.json
index b000cdd..c395dd9 100644
--- a/index.json
+++ b/index.json
@@ -1,4 +1,30 @@
 [
+    {
+        "title": "設定聊天模板讓 chat model 更好用",
+        "tags": [
+            "chat-template",
+            "transformers",
+            "LLM",
+            "chat-model"
+        ],
+        "hidden_tags": [
+            "chat",
+            "template",
+            "content",
+            "role",
+            "tokenizer",
+            "user",
+            "system",
+            "assistant",
+            "message",
+            "prompt"
+        ],
+        "page_link": "https://blog.philip-huang.tech?page=chat-template",
+        "file_link": "https://blog.philip-huang.tech/docs/chat-template/document.md",
+        "date": "2023/12/19",
+        "_has_notebook": false,
+        "_sort_key": 20231219
+    },
     {
         "title": "概覽 Parameter-Efficient Fine-Tuning (PEFT)",
         "tags": [
diff --git a/sitemap.txt b/sitemap.txt
index 906c8b3..dcf62f1 100644
--- a/sitemap.txt
+++ b/sitemap.txt
@@ -1,4 +1,5 @@
 https://blog.philip-huang.tech
+https://blog.philip-huang.tech?page=chat-template
 https://blog.philip-huang.tech?page=peft-overview
 https://blog.philip-huang.tech?page=fill-in-middle
 https://blog.philip-huang.tech?page=IA3