> For the complete documentation index, see [llms.txt](https://unsloth.ai/docs/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://unsloth.ai/docs/de/neu/studio.md).

# Einführung in Unsloth Studio

Wir starten **Unsloth Studio** (Beta): eine Open-Source-No-Code-Weboberfläche zum Trainieren, Ausführen und Exportieren offener Modelle in einer einheitlichen **lokalen** Oberfläche.

<a href="/pages/0eb7cfce0eb5651e720ac0944c9e36f7124bc8de#quickstart" class="button primary" data-icon="bolt">Schnellstart</a><a href="/pages/0eb7cfce0eb5651e720ac0944c9e36f7124bc8de#features" class="button secondary" data-icon="star">Funktionen</a><a href="https://github.com/unslothai/unsloth" class="button secondary" data-icon="github">GitHub</a>

* **GGUF ausführen**, **MLX** und Diffusions-Bild-/Videomodelle lokal auf **Mac**, Windows, Linux.
* Trainiere 500+ Modelle 2x schneller mit 70 % weniger VRAM (kein Genauigkeitsverlust)
* Text-, Diffusions-Visions-, TTS-Audio- und Embedding-Modelle ausführen und trainieren

{% hint style="success" icon="sparkles" %}
**NEU:** Wir stellen unsere neue [**Unsloth Desktop**](/docs/de/desktop.md) App vor! Download für [Mac](/docs/de/erste-schritte/install/mac.md), [Windows](/docs/de/erste-schritte/install/windows-installation.md) und [Linux](/docs/de/erste-schritte/install/linux.md).
{% endhint %}

<table data-view="cards"><thead><tr><th></th><th></th><th data-hidden data-card-target data-type="content-ref"></th><th data-hidden data-card-cover data-type="image">Titelbild</th></tr></thead><tbody><tr><td><h3>Präzise Tool-Aufrufe</h3></td><td>Erhalte 50 % präzisere, selbstheilende Tool-Aufrufe und Sandbox-Codeausführung</td><td><a href="/pages/73168493b14a89fa27e95b776ade6bd93679a3e5">/pages/73168493b14a89fa27e95b776ade6bd93679a3e5</a></td><td><a href="/files/fbe26ed24739dc33347e295a4846db65326cc654">/files/fbe26ed24739dc33347e295a4846db65326cc654</a></td></tr><tr><td><h3>Diffusionsbild/-video</h3></td><td>Führe Bild-/Videodiffusionsmodelle wie MiniMax H3 aus und trainiere sie mit 2× schnellerer Inferenz.</td><td><a href="/pages/507aac9387982df7540b40ec89fed11a587d2e6e">/pages/507aac9387982df7540b40ec89fed11a587d2e6e</a></td><td><a href="/files/1238ba77fa8a47f59ffdb3cbfc120bd522f06106">/files/1238ba77fa8a47f59ffdb3cbfc120bd522f06106</a></td></tr><tr><td><h3>Mache deinen Agenten lokal</h3></td><td>Verbinde lokale LLMs mit agentischen Tools wie Claude Code und Codex mit Modellwechsel</td><td><a href="/pages/a728a3a28d31267d2a218794d9c5365b9010e404">/pages/a728a3a28d31267d2a218794d9c5365b9010e404</a></td><td><a href="/files/db53cfbf1d6d5e4338473a700b4a3bd13e1d55ae">/files/db53cfbf1d6d5e4338473a700b4a3bd13e1d55ae</a></td></tr><tr><td><h3>Unbegrenzte Websuche</h3></td><td>Erhalte unbegrenzte, private und sichere Websuche und Deep Research</td><td><a href="/pages/0eb7cfce0eb5651e720ac0944c9e36f7124bc8de#web-search-upgraded">/pages/0eb7cfce0eb5651e720ac0944c9e36f7124bc8de#web-search-upgraded</a></td><td><a href="/files/e4a9e83c548d5080b94355a84bf50224dfc9f9ff">/files/e4a9e83c548d5080b94355a84bf50224dfc9f9ff</a></td></tr><tr><td><h3>Führe die neuesten Modelle aus</h3></td><td>Entdecke, verwalte und trainiere die neuesten Muse-Glimmer-, MiniMax-H3-, Kimi-K3- und Qwen3.8-Modelle.</td><td><a href="/pages/9b29615ab338f1d1924174468718cfeab406f641">/pages/9b29615ab338f1d1924174468718cfeab406f641</a></td><td><a href="/files/3ff2d5260279574480b511405eeed0b8bcf0824b">/files/3ff2d5260279574480b511405eeed0b8bcf0824b</a></td></tr><tr><td><h3><strong>Überall bereitstellen</strong></h3></td><td>Stelle Modelle sicher aus der Ferne bereit und greife überall per Cloudflare-HTTPS auf Unsloth zu</td><td></td><td><a href="/files/c9938fbf3c9930d88a2b19a84cd92c38ca71145d">/files/c9938fbf3c9930d88a2b19a84cd92c38ca71145d</a></td></tr></tbody></table>

<figure><img src="/files/9c12d32a0a604d8f0e9491f3a7cea34812629a62" alt=""><figcaption></figcaption></figure>

* **macOS:** Training, MLX- und GGUF-Inferenz funktionieren alle in Unsloth.
* Kein Datensatz erforderlich. [**Datensätze automatisch erstellen**](/docs/de/neu/studio/data-recipe.md) aus **PDF, CSV, JSON, DOCX, TXT** Dateien.
* Verbinde deine lokalen Modelle mit jedem Agenten, einschließlich [Claude Code](/docs/de/grundlagen/claude-code.md), [Codex](/docs/de/grundlagen/codex.md), [Hermes](/docs/de/integrationen/hermes-agent.md) und mehr.
* [Exportiere oder speichere](/docs/de/neu/studio/export.md) dein Modell als GGUF, 16-Bit-Safetensor usw.
* [**Selbstheilende Tool-Aufrufe**](/docs/de/neu/studio/chat.md#auto-healing-tool-calling) / fortgeschrittene [**Websuche**](/docs/de/neu/studio/chat.md#advanced-web-search) + [**Codeausführung**](/docs/de/neu/studio/chat.md#code-execution)
* [Automatische Inferenz-Einstellungen](/docs/de/neu/studio/chat.md#auto-parameter-tuning), Chatvorlagen bearbeiten, Unsloth als [**API-Endpunkt**](#unsloth-as-an-api-endpoint).

{% hint style="success" %}
**Alle aktuellen Updates findest du auf unserer** [**neuen Changelog-Seite hier**](/docs/de/neu/changelog.md)**!** ✨
{% endhint %}

## ⭐ Funktionen

{% columns %}
{% column %}

### Code ausführen + Tool-Aufrufe reparieren

Unsloth Studio lässt LLMs Bash und Python ausführen, nicht nur JavaScript mit Umgehungsberechtigungen. Es sandboxt außerdem Programme wie Claude Artifacts, sodass Modelle Code testen, Dateien erzeugen und Antworten mit echter Berechnung verifizieren können.

Z. B. erstellt Unsloth eine Sandbox, damit GLM-5.2 Code ausführen kann, der als HTML-Vorschau in Canvas angezeigt wird.
{% endcolumn %}

{% column %}

<figure><img src="/files/fbe26ed24739dc33347e295a4846db65326cc654" alt=""><figcaption><p>Präzise Tool-Aufrufe mit sandboxierter Codeausführung</p></figcaption></figure>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### Websuche verbessert

Unsloths private, unbegrenzte und sichere Websuche besucht tatsächlich Seiten direkt, um relevante Informationen und Daten zu sammeln, und durchsucht nicht nur Website-Zusammenfassungen. Dadurch werden Ausgaben mit deutlich präziseren / tiefergehenden Informationen und Kontext geliefert.

Z. B. suchte Qwen3.5-4B auf über 20 Websites und zitierte Quellen, wobei die Websuche innerhalb seines Denkverlaufs stattfand.
{% endcolumn %}

{% column %}

<figure><img src="/files/16c0b18ba770d26abf1c3a92209b60c094a825a0" alt=""><figcaption></figcaption></figure>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### Unsloth als API-Endpunkt

Du kannst lokale LLMs jetzt über Tools wie [Claude Code](/docs/de/grundlagen/claude-code.md) und [Codex](/docs/de/grundlagen/codex.md) verwenden, indem du es mit [Unsloths API-Endpunkt](/docs/de/grundlagen/api.md). Das bedeutet, dass du Qwen- und Gemma-Modelle direkt in diesen Tools mit Unsloths Inferenz ausführen kannst, einschließlich Funktionen wie selbstheilende Tool-Aufrufe, Websuche usw.

Du kannst auch [einen Anbieter verbinden](/docs/de/integrationen/connections.md) wie OpenAI, Anthropic oder vLLM mit Unsloth.
{% endcolumn %}

{% column %}

<figure><img src="/files/4d7f67e24fb64209883a9782fb1c8e4d7782a66f" alt=""><figcaption></figcaption></figure>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### **No-Code-Training**

[PDF, CSV, JSON hochladen](#data-recipes) Dokumente oder YAML-Konfigurationen und starte das Training sofort auf NVIDIA. Unsloths Kernel optimieren LoRA, FP8, FFT, PT über 500+ Text-, Vision-, TTS-/Audio- und Embedding-Modelle hinweg.

Fine-tune die neuesten LLMs wie [Qwen3.5](/docs/de/modelle/qwen3.5/fine-tune.md) und NVIDIA [Nemotron 3](/docs/de/modelle/nemotron-3.md). [Multi-GPU](/docs/de/grundlagen/multi-gpu-training-with-unsloth.md) funktioniert automatisch, eine neue Version folgt.
{% endcolumn %}

{% column %}

<figure><img src="/files/4d260c56ad45e970b5bb264a2a229d588a3a694f" alt=""><figcaption></figcaption></figure>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### **Modelle lokal ausführen**

[GGUF suchen und ausführen](/docs/de/neu/studio/chat.md) und Safetensor-Modelle mit selbstheilender [Tool-Aufruf](#execute-code--heal-tool-calling), fortgeschrittene [Websuche](/docs/de/neu/studio/chat.md#advanced-web-search), [automatische Inferenz](/docs/de/neu/studio/chat.md#auto-parameter-tuning) Einstellungen, [**Codeausführung**](/docs/de/neu/studio/chat.md#code-execution) (Bash + Python), [APIs](/docs/de/grundlagen/api.md). Bilder, Dokumente, Audio, Code hochladen.

[Modelle nebeneinander vergleichen](https://unsloth.ai/docs/new/studio/chat#model-arena). Angetrieben von llama.cpp + Hugging Face unterstützt Unsloth **Multi-GPU-Inferenz,** automatisches Offloading und Anpassen sowie die meisten Modelle.
{% endcolumn %}

{% column %}

<figure><img src="/files/c2b2b4e67af87df67aa2d0b2a27b6e9238b5e8a9" alt=""><figcaption></figcaption></figure>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### Data Recipes

[**Data Recipes**](/docs/de/neu/studio/data-recipe.md) wandelt deine Dokumente über einen Graph-Node-Workflow in nutzbare / synthetische Datensätze um. Lade unstrukturierte oder strukturierte Dateien wie PDFs, CSV und JSON hoch. Unsloth Data Recipes, angetrieben von NVIDIA Nemo [Data Designer](https://github.com/NVIDIA-NeMo/DataDesigner), wandelt Dokumente automatisch in deine gewünschten Formate um.
{% endcolumn %}

{% column %}

<figure><img src="/files/d665d8f59231082ffd6e3bd80d846493ee4fe1dd" alt=""><figcaption></figcaption></figure>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### Beobachtbarkeit

Erhalte [volle Transparenz](/docs/de/neu/studio/start.md#training-progress) über deine Trainingsläufe und Kontrolle darüber. Verfolge Trainingsverlust, Gradienten-Normen und GPU-Auslastung in Echtzeit und passe alles nach deinen Wünschen an.

Du kannst den Trainingsfortschritt sogar auf anderen Geräten wie deinem Telefon ansehen.
{% endcolumn %}

{% column %}

<figure><img src="/files/f11f502bd03db063fe1ed4528a68fd226e6aa85f" alt=""><figcaption></figcaption></figure>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### Modelle exportieren / speichern

[**Jedes Modell exportieren**](/docs/de/neu/studio/export.md), einschließlich deiner feinabgestimmten Modelle, als Safetensors oder GGUF zur Verwendung mit llama.cpp, vLLM, Ollama, LM Studio und mehr.

Speichert deinen Trainingsverlauf, sodass du Läufe erneut ansehen, erneut exportieren und experimentieren kannst.
{% endcolumn %}

{% column %}

<figure><img src="/files/76e468f3241090e47538630943be19f345e3de7b" alt=""><figcaption></figcaption></figure>
{% endcolumn %}
{% endcolumns %}

{% columns %}
{% column %}

### Datenschutz zuerst + sicher

Unsloth Studio kann zu 100 % offline und lokal auf deinem Computer verwendet werden. Seine tokenbasierte Authentifizierung, einschließlich verschlüsseltem Passwort und JWT-Access-/Refresh-Flows, hält deine Daten sicher.

Du kannst bereits vorhandene / alte Modelle oder GGUFs verwenden, die zuvor von HF usw. heruntergeladen wurden. Lies [die Anweisungen hier](/docs/de/neu/studio/chat.md#using-old-existing-gguf-models).
{% endcolumn %}

{% column %}

<figure><img src="/files/d3aa15a0c0bb6d70950014ebf3ebf446a62e7513" alt=""><figcaption></figcaption></figure>
{% endcolumn %}
{% endcolumns %}

## ⚡ Schnellstart

### **Mit Unsloth Desktop installieren**

Der einfachste Weg, Unsloth Studio zu installieren, ist die native Desktop-App. Lade sie für dein Betriebssystem herunter:

* <i class="fa-apple">:apple:</i> [Für macOS herunterladen](https://unsloth.ai/download/mac)
* <i class="fa-windows">:windows:</i> [Für Windows herunterladen](https://unsloth.ai/download/windows)
* <i class="fa-linux">:linux:</i> [Für Linux herunterladen](https://unsloth.ai/download/linux)

Für eine manuelle Installation von Unsloth Studio verwende die folgenden Befehle. Führe denselben Befehl erneut aus, um zu aktualisieren:

### **MacOS, Linux, WSL:**

```bash
curl -fsSL https://unsloth.ai/install.sh | sh
```

### **Windows PowerShell:**

```bash
irm https://unsloth.ai/install.ps1 | iex
```

#### Unsloth starten

```bash
unsloth studio -H 0.0.0.0 -p 8888
```

**Unsloth sicher mit HTTPS und Cloudflare starten**

**NEU!** Unsloth bietet jetzt eine sichere Möglichkeit, Unsloth über HTTPS über einen kostenlosen Cloudflare-Tunnel zu starten. Verwende die unten stehende Option (funktioniert unter Windows, Mac und Linux):

```bash
unsloth studio --secure
```

**Für weitere Details zur Installation und Deinstallation besuche bitte die** [**Unsloth Studio-Installation**](/docs/de/neu/studio/install.md) **Abschnitt.**

{% content-ref url="/pages/fd472c5a40e73b8e54cee17244010f121bf38286" %}
[Installation](/docs/de/neu/studio/install.md)
{% endcontent-ref %}

#### <i class="fa-google">:google:</i> Google-Colab-Notebook

Wir haben ein [kostenloses Google-Colab-Notebook](https://colab.research.google.com/github/unslothai/unsloth/blob/main/studio/Unsloth_Studio_Colab.ipynb) damit du auf Colabs T4-GPUs alle Funktionen von Unsloth erkunden kannst. Du kannst die meisten Modelle bis zu 22B Parametern trainieren und ausführen und für größere Modelle auf eine größere GPU wechseln. Klicke einfach auf 'Run all', und die UI sollte nach der Installation erscheinen.

{% columns %}
{% column %}
{% embed url="<https://colab.research.google.com/github/unslothai/unsloth/blob/main/studio/Unsloth_Studio_Colab.ipynb>" %}

Sobald die Installation abgeschlossen ist, scrolle zu **Unsloth Studio starten** und klicke auf **Unsloth Studio öffnen** in dem links gezeigten weißen Feld:

**Scrolle weiter nach unten, um die eigentliche UI zu sehen.**
{% endcolumn %}

{% column %}

<figure><img src="/files/b05cbc1779c6b080cf0bb91c6b6475aac68ac9a4" alt=""><figcaption></figcaption></figure>
{% endcolumn %}
{% endcolumns %}

{% hint style="warning" %}
Manchmal kann der Unsloth-Link einen Fehler zurückgeben. Das passiert, weil du möglicherweise Cookies deaktiviert hast oder einen Adblocker oder Mozilla verwendest. Du kannst trotzdem auf die UI zugreifen, indem du unterhalb der Schaltfläche weiter scrollst.
{% endhint %}

### 👾 Unsloth Start

{% columns %}
{% column width="58.333333333333336%" %}
[Unsloth Start](/docs/de/integrationen/unsloth-start.md) ermöglicht dir die Verbindung [Claude Code](/docs/de/grundlagen/claude-code.md), [Codex](/docs/de/grundlagen/codex.md) von und anderen Agenten mit lokalen Modellen über den `unsloth start` Befehl.

Starte Unsloth, lade ein Modell, öffne deinen Projektordner und führe dann aus:

```bash
unsloth start claude
```

Ersetze `claude` durch einen beliebigen der folgenden Agenten:
{% endcolumn %}

{% column width="41.666666666666664%" %}

<figure><img src="/files/71dc8d04c5322ed18a0af5f03d72f1ec3f286b24" alt="" width="563"><figcaption><p>Claude Code läuft lokal mit Qwen3.5.</p></figcaption></figure>
{% endcolumn %}
{% endcolumns %}

| Agent                                                              | Befehl                   |
| ------------------------------------------------------------------ | ------------------------ |
| <i class="fa-claude">:claude:</i> Claude Code                      | `unsloth start claude`   |
| <i class="fa-openai">:openai:</i> OpenAI Codex                     | `unsloth start codex`    |
| <i class="fa-caduceus">:caduceus:</i> Hermes-Agent                 | `unsloth start hermes`   |
| <i class="fa-lobster">:lobster:</i> OpenClaw                       | `unsloth start openclaw` |
| <i class="fa-rectangle-vertical">:rectangle-vertical:</i> OpenCode | `unsloth start opencode` |

## <i class="fa-seedling">:seedling:</i> Arbeitsablauf

Hier ist ein typischer Arbeitsablauf von Unsloth Studio, um dir den Einstieg zu erleichtern:

1. Starte Unsloth über [Installationsanweisungen](/docs/de/neu/studio/install.md).
2. Lade ein Modell aus lokalen Dateien oder einer unterstützten Integration.
3. Importiere Trainingsdaten aus PDFs, CSVs oder JSONL-Dateien oder erstelle einen Datensatz von Grund auf.
4. Bereinige, verfeinere und erweitere deinen Datensatz in [Data Recipes](/docs/de/neu/studio/data-recipe.md).
5. Starte das Training mit empfohlenen Voreinstellungen oder passe die Konfiguration selbst an.
6. Chatte mit dem trainierten Modell und vergleiche seine Ausgaben mit dem Basismodell.
7. [Speichern oder exportieren](/docs/de/neu/studio.md#export-save-models) lokal in den Stack, den du bereits verwendest.

Du kannst unsere einzelnen Deep Dives zu jedem Abschnitt von Unsloth Studio lesen:

{% columns %}
{% column width="50%" %}
{% content-ref url="/pages/bf6b637872d3a9f534daa54866ec7d33d9b369a2" %}
[Get Started](/docs/de/neu/studio/start.md)
{% endcontent-ref %}

{% content-ref url="/pages/13c9d0063a9732a68734b74792f3e30153873bf4" %}
[Model Export](/docs/de/neu/studio/export.md)
{% endcontent-ref %}
{% endcolumn %}

{% column width="50%" %}
{% content-ref url="/pages/dd9f9c69fff351709e4886e820d7d6facf3ec2b3" %}
[Data Recipes](/docs/de/neu/studio/data-recipe.md)
{% endcontent-ref %}

{% content-ref url="/pages/73168493b14a89fa27e95b776ade6bd93679a3e5" %}
[Studio Chat](/docs/de/neu/studio/chat.md)
{% endcontent-ref %}
{% endcolumn %}
{% endcolumns %}

## <i class="fa-comments-question">:comments-question:</i> FAQ

**Sammelt oder speichert Unsloth Daten?**\
Unsloth erfasst keine Nutzungs-Telemetrie. Unsloth sammelt nur die minimalen Hardwareinformationen, die für die Kompatibilität erforderlich sind, wie GPU-Typ und Gerät (z. B. Mac). Unsloth Studio läuft 100 % offline und lokal.

**Wie verwende ich ein altes / vorhandenes Modell, das ich zuvor von Hugging Face heruntergeladen habe?**\
Ja, du kannst bereits vorhandene/alte Modelle oder GGUFs verwenden, die du zuvor von Hugging Face usw. heruntergeladen hast. Sie sollten jetzt automatisch von Unsloth erkannt werden, andernfalls lies unsere [die Anweisungen hier](/docs/de/neu/studio/chat.md#using-old-existing-gguf-models).

**Warum ist die Inferenz in Unsloth manchmal langsamer?**\
Unsloth wird, wie andere lokale Inferenz-Apps, von llama.cpp angetrieben, daher sollten die Geschwindigkeiten größtenteils gleich sein. Manchmal kann Unsloth langsamer sein, weil du Websuche, Codeausführung und selbstheilende Tool-Aufrufe aktiviert hast. All diese Funktionen können deine Inferenz verlangsamen. Wenn der Geschwindigkeitsunterschied auch bei ausgeschalteten Funktionen immer noch langsamer ist, erstelle bitte ein GitHub-Issue!

**Unterstützt Unsloth Studio OpenAI-kompatible APIs?**\
Ja, siehe unsere [Anleitung zum API-Endpunkt hier](/docs/de/grundlagen/api.md).

**Steht Unsloth jetzt unter der AGPL-3.0-Lizenz?**\
Unsloth verwendet ein Dual-Lizenzmodell aus Apache 2.0 und AGPL-3.0. Das Kernpaket von Unsloth bleibt lizenziert unter [**Apache 2.0**](https://github.com/unslothai/unsloth?tab=Apache-2.0-1-ov-file), während bestimmte optionale Komponenten, wie die Unsloth-Studio-UI, lizenziert sind [**AGPL-3.0**](https://github.com/unslothai/unsloth?tab=AGPL-3.0-2-ov-file).

Diese Struktur unterstützt die laufende Entwicklung von Unsloth, während das Projekt Open Source bleibt und das breitere Ökosystem weiter wachsen kann.

**Unterstützt Unsloth nur LLMs?**\
Nein. Unsloth unterstützt eine Reihe unterstützter `Transformers` transformer-kompatiblen Modellfamilien, einschließlich Text-, multimodaler Modelle, [Text-to-Speech](/docs/de/grundlagen/text-to-speech-tts-fine-tuning.md), Audio, [Embeddings](/docs/de/grundlagen/embedding-finetuning.md), und BERT-ähnlicher Modelle.

**Kann ich meine eigene Trainingskonfiguration verwenden?**\
Ja. Importiere eine YAML-Konfiguration, und Unsloth füllt die relevanten Einstellungen vor.

**Muss man Modelle trainieren, um die UI zu nutzen?**\
Nein, du kannst einfach ein beliebiges GGUF oder Modell herunterladen, ohne ein Modell feinabzustimmen.

#### Danksagungen

Ein riesiges Dankeschön an NVIDIA und Hugging Face, dass sie Teil unseres Launchs sind. Auch vielen Dank an alle unsere frühen Beta-Tester für Unsloth Studio, wir schätzen eure Zeit und euer Feedback wirklich sehr. Wir möchten außerdem llama.cpp, PyTorch und open model labs dafür danken, dass sie die Infrastruktur bereitgestellt haben, die Unsloth Studio möglich gemacht hat.


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://unsloth.ai/docs/de/neu/studio.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.