Instructions to use menesnas/ChatTemplate with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use menesnas/ChatTemplate with Transformers:

# Use a pipeline as a high-level helper
from transformers import pipeline

pipe = pipeline("text-generation", model="menesnas/ChatTemplate")
messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe(messages)

# Load model directly
from transformers import AutoModel
model = AutoModel.from_pretrained("menesnas/ChatTemplate", device_map="auto")

Notebooks
Google Colab
Kaggle
Local Apps Settings

vLLM

How to use menesnas/ChatTemplate with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "menesnas/ChatTemplate"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "menesnas/ChatTemplate",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/menesnas/ChatTemplate

SGLang

How to use menesnas/ChatTemplate with SGLang:

Install from pip and serve model

# Install SGLang from pip:
pip install sglang
# Start the SGLang server:
python3 -m sglang.launch_server \
    --model-path "menesnas/ChatTemplate" \
    --host 0.0.0.0 \
    --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "menesnas/ChatTemplate",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker images

docker run --gpus all \
    --shm-size 32g \
    -p 30000:30000 \
    -v ~/.cache/huggingface:/root/.cache/huggingface \
    --env "HF_TOKEN=<secret>" \
    --ipc=host \
    lmsysorg/sglang:latest \
    python3 -m sglang.launch_server \
        --model-path "menesnas/ChatTemplate" \
        --host 0.0.0.0 \
        --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "menesnas/ChatTemplate",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Docker Model Runner
How to use menesnas/ChatTemplate with Docker Model Runner:
```
docker model run hf.co/menesnas/ChatTemplate
```

Pharmacy Prompt Serialization Format (PPSF) — Custom Jinja2 Chat Template

Bu proje, bir dil modelinin (LLM) kullanıcı, sistem, asistan ve araç (tool calling) mesajlarını doğru ayırt edebilmesi ve Pharmacy Prompt Serialization Format (PPSF v1.0 / v1.1) spesifikasyonuna uygun şekilde serileştirmesi için geliştirilmiş bir Custom Jinja2 Chat Template uygulamasıdır.

Hugging Face transformers kütüphanesinin apply_chat_template() fonksiyonu ile %100 tam uyumlu olarak çalışacak şekilde tasarlanmıştır.

🎯 Ödev Amacı ve Özellikler

Hugging Face Standartlarına Tam Uyumluluk: Standart messages dizisini (role, content, tool_calls) ve tools listesini kabul eder.
Alan Spesifik Rol Tanımları (Pharmacy Protocol):
- system $\rightarrow$ @SYSTEM
- user $\rightarrow$ @PATIENT
- assistant $\rightarrow$ @PHARMACIST
- tool $\rightarrow$ @TOOL_RESPONSE
Tool Calling (Araç Çağrısı) Desteği:
- Mevcut araç tanımlarını @TOOLS bloğu altında ilan eder.
- Asistanın araç çağırma isteklerini @TOOL_CALL formatında formatlar.
- Araç yanıtlarını @TOOL_RESPONSE olarak bağlama ekler.
Geleceğe Uyumlu Metadata Desteği (PPSF v1.1):
- Mesaj nesnesinde yer alan metadata.reference verilerini @REFERENCE bloğuna dönüştürür.
- Mesaj nesnesinde yer alan metadata.thought verilerini (Chain of Thought) @THOUGHT bloğuna dönüştürür.

📁 Proje Dosya Yapısı

Chat_Template/
├── chat_template.jinja    # PPSF v1.0 / v1.1 Jinja2 şablon dosyası
├── main.py                # Jinja2 ve Hugging Face AutoTokenizer test scripti
└── README.md              # Proje dokümantasyonu

🚀 Kurulum ve Çalıştırma

1. Gereksinimler

Projeyi çalıştırmak için Python 3.8+ ve aşağıdaki kütüphanelerin kurulu olması yeterlidir:

pip install jinja2 transformers

2. Test Scriptini Çalıştırma

Tüm test senaryolarını (Standart sohbet, Tool Calling ve Metadata kullanımı) çalıştırmak için:

python main.py

💻 Kullanım Örnekleri

Hugging Face `transformers` ile Kullanım

from transformers import AutoTokenizer

# Herhangi bir tokenizer yüklendikten sonra özel şablon atanabilir:
tokenizer = AutoTokenizer.from_pretrained("gpt2")

with open("chat_template.jinja", "r", encoding="utf-8") as f:
    tokenizer.chat_template = f.read()

messages = [
    {"role": "system", "content": "Sen uzman bir eczacı yapay zekâsısın."},
    {"role": "user", "content": "Boğazım ağrıyor."}
]

prompt = tokenizer.apply_chat_template(
    messages,
    add_generation_prompt=True,
    tokenize=False
)

print(prompt)

Üretilen Çıktı:

@FORMAT PPSF/1.0

@SYSTEM
Sen uzman bir eczacı yapay zekâsısın.

@PATIENT
Boğazım ağrıyor.

@PHARMACIST

Tool Calling Senaryosu Örneği

Girdi:

messages = [
    {"role": "system", "content": "Sen uzman bir eczacı yapay zekâsısın."},
    {"role": "user", "content": "Parol ne işe yarar?"},
    {
        "role": "assistant",
        "content": None,
        "tool_calls": [
            {
                "function": {
                    "name": "search_drug",
                    "arguments": {"drug": "Parol"}
                }
            }
        ]
    },
    {
        "role": "tool",
        "content": '{"drug": "Parol", "active_ingredient": "Parasetamol", "usage": "Ağrı kesici ve ateş düşürücü"}'
    }
]