> 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/jp/ji-chu.md).

# 基礎

- [Unsloth Dynamic 3.0 GGUF](https://unsloth.ai/docs/jp/ji-chu/dynamic-3.0-ggufs.md)
- [Aider Polyglot上のUnsloth Dynamic GGUF](https://unsloth.ai/docs/jp/ji-chu/dynamic-3.0-ggufs/unsloth-dynamic-ggufs-on-aider-polyglot.md): Aider PolyglotベンチマークにおけるUnsloth Dynamic GGUFの性能
- [UnslothをAPIエンドポイントとして使う方法](https://unsloth.ai/docs/jp/ji-chu/api.md)
- [CloudflareとUnslothによる安全なリモートアクセスで、ローカルLLMをどこからでも提供する方法](https://unsloth.ai/docs/jp/ji-chu/cloudflaretounslothniyorunarimtoakusesuderkarullmwodokokarademosuru.md)
- [UnslothのLANアクセスで、ネットワーク上のどのデバイスからでもローカルAIモデルを提供する方法](https://unsloth.ai/docs/jp/ji-chu/lan.md)
- [ローカルLLMを使ったブラウザ操作](https://unsloth.ai/docs/jp/ji-chu/browser-use.md): ローカルモデルを使って、内蔵ブラウザでWebサイトを操作し、タスクを完了します。
- [推論とデプロイ](https://unsloth.ai/docs/jp/ji-chu/inference-and-deployment.md): ファインチューニングしたモデルを保存して、お気に入りの推論エンジンで実行できるようにする方法を学びましょう。
- [GGUFに保存](https://unsloth.ai/docs/jp/ji-chu/inference-and-deployment/saving-to-gguf.md)
- [推測デコード](https://unsloth.ai/docs/jp/ji-chu/inference-and-deployment/saving-to-gguf/speculative-decoding.md): llama-server、llama.cpp、vLLMなどを使った推測デコードで、推論を2倍高速化します
- [vLLMデプロイメント＆推論ガイド](https://unsloth.ai/docs/jp/ji-chu/inference-and-deployment/vllm-guide.md): 本番環境でLLMを提供するために、LLMをvLLMへ保存・デプロイするためのガイド
- [vLLMエンジン引数](https://unsloth.ai/docs/jp/ji-chu/inference-and-deployment/vllm-guide/vllm-engine-arguments.md)
- [LoRAホットスワップガイド](https://unsloth.ai/docs/jp/ji-chu/inference-and-deployment/vllm-guide/lora-hot-swapping-guide.md)
- [モデルをOllamaに保存する](https://unsloth.ai/docs/jp/ji-chu/inference-and-deployment/saving-to-ollama.md)
- [モデルをLM Studioへデプロイする](https://unsloth.ai/docs/jp/ji-chu/inference-and-deployment/lm-studio.md): モデルをGGUFに保存して、LM Studioにデプロイ・実行できるようにする
- [LinuxターミナルでLM Studio CLIをインストールする方法](https://unsloth.ai/docs/jp/ji-chu/inference-and-deployment/lm-studio/how-to-install-lm-studio-cli-in-linux-terminal.md): ターミナル環境でUIなしでLM Studio CLIをインストールするためのガイド。
- [SGLangデプロイメント＆推論ガイド](https://unsloth.ai/docs/jp/ji-chu/inference-and-deployment/sglang-guide.md): 本番環境でLLMを提供するために、LLMをSGLangへ保存・デプロイするためのガイド
- [Unsloth推論](https://unsloth.ai/docs/jp/ji-chu/inference-and-deployment/unsloth-inference.md): Unslothの高速推論でファインチューニングしたモデルを実行する方法を学びましょう。
- [llama-server & OpenAIエンドポイント デプロイガイド](https://unsloth.ai/docs/jp/ji-chu/inference-and-deployment/llama-server-and-openai-endpoint.md): OpenAI互換エンドポイントを備えたllama-server経由でのデプロイ
- [iOSまたはAndroidスマートフォンでLLMを実行・デプロイする方法](https://unsloth.ai/docs/jp/ji-chu/inference-and-deployment/deploy-llms-phone.md): ExecuTorchを使って、自分のLLMをファインチューニングし、AndroidやiPhoneにデプロイするためのチュートリアル。
- [推論のトラブルシューティング](https://unsloth.ai/docs/jp/ji-chu/inference-and-deployment/troubleshooting-inference.md): モデルの実行や保存時に問題が発生している場合。
- [Hugging Face Jobsを使ったLLMのデプロイ](https://unsloth.ai/docs/jp/ji-chu/inference-and-deployment/deploying-llms-with-hugging-face-jobs.md): Hugging Face jobsとskillsを使って、SKILL付きでCodex / Claude CodeでLFMをファインチューニングします。
- [Claude CodeでローカルLLMを実行する方法](https://unsloth.ai/docs/jp/ji-chu/claude-code.md): ローカルデバイスでClaude Codeを使ってオープンモデルを利用するためのガイド。
- [OpenAI CodexでローカルLLMを実行する方法](https://unsloth.ai/docs/jp/ji-chu/codex.md): OpenAI Codex を使って、デバイス上でローカルにオープンモデルを使用します。
- [Unslothで独自の決定モデルを学習する](https://unsloth.ai/docs/jp/ji-chu/unslothdenomoderuwosuru.md): QwenやGemmaのようなLLMをファインチューニングして、較正された確率で意思決定を行えるようにします。
- [Unsloth Dynamic NVFP4 実行ガイド](https://unsloth.ai/docs/jp/ji-chu/nvfp4.md): Unsloth Dynamic NVFP4 により、NVIDIA Blackwell GPU 上で高速かつ高精度な 4 ビット推論がどのように実現されるかを学びます。
- [Unslothで画像拡散モデルをローカル実行する方法](https://unsloth.ai/docs/jp/ji-chu/diffusion-image.md)
- [UnslothでAMD GPU上でモデルを学習・実行する](https://unsloth.ai/docs/jp/ji-chu/amd.md)
- [MCPサーバーをローカルLLMで使う方法](https://unsloth.ai/docs/jp/ji-chu/mcp.md): スクリーンショット付きで、MCP サーバーをオープン AI モデルに接続する方法を学びます。
- [Unsloth によるマルチ GPU ファインチューニング](https://unsloth.ai/docs/jp/ji-chu/multi-gpu-training-with-unsloth.md): Unsloth で複数 GPU と並列処理を使って LLM をファインチューニングする方法を学びます。
- [Distributed Data Parallel（DDP）を使ったマルチ GPU ファインチューニング](https://unsloth.ai/docs/jp/ji-chu/multi-gpu-training-with-unsloth/ddp.md): Unsloth CLI を使って、Distributed Data Parallel（DDP）で複数 GPU を使って学習する方法を学びましょう！
- [Unsloth ガイドによる埋め込みモデルのファインチューニング](https://unsloth.ai/docs/jp/ji-chu/embedding-finetuning.md): Unsloth で埋め込みモデルを簡単にファインチューニングする方法を学びます。
- [UnslothでMoEモデルを12倍高速に微調整する](https://unsloth.ai/docs/jp/ji-chu/faster-moe.md): Unsloth ガイドを使って MoE LLM をローカルで学習します。
- [音声合成（TTS）ファインチューニングガイド](https://unsloth.ai/docs/jp/ji-chu/text-to-speech-tts-fine-tuning.md): Unsloth を使って TTS および STT の音声モデルをファインチューニングする方法を学びます。
- [ローカル LLM 向けツール呼び出しガイド](https://unsloth.ai/docs/jp/ji-chu/tool-calling-guide-for-local-llms.md)
- [ビジョンのファインチューニング](https://unsloth.ai/docs/jp/ji-chu/vision-fine-tuning.md): Unsloth を使ってビジョン／マルチモーダル LLM をファインチューニングする方法を学びます
- [トラブルシューティングと FAQ](https://unsloth.ai/docs/jp/ji-chu/troubleshooting-and-faqs.md): 問題の解決に役立つヒントと、よくある質問。
- [Hugging Face Hub、XET のデバッグ](https://unsloth.ai/docs/jp/ji-chu/troubleshooting-and-faqs/hugging-face-hub-xet-debugging.md): 停止したダウンロード、固まったダウンロード、遅いダウンロードのデバッグとトラブルシューティング
- [チャットテンプレート](https://unsloth.ai/docs/jp/ji-chu/chat-templates.md): Conversational、ChatML、ShareGPT、Alpaca 形式などを含む、チャットテンプレートの基本とカスタマイズ方法を学びます！
- [Unsloth 環境フラグ](https://unsloth.ai/docs/jp/ji-chu/unsloth-environment-flags.md): ファインチューニングが壊れる場合や、何かをオフにしたい場合に役立つ可能性のある高度なフラグです。
- [継続事前学習](https://unsloth.ai/docs/jp/ji-chu/continued-pretraining.md): 別名、継続ファインチューニング。Unsloth では継続的に事前学習できるため、モデルに新しい言語を学習させられます。
- [最後のチェックポイントからのファインチューニング](https://unsloth.ai/docs/jp/ji-chu/finetuning-from-last-checkpoint.md): チェックポイント機能により、ファインチューニングの進捗を保存して一時停止し、後で続行できます。
- [Unsloth ベンチマーク](https://unsloth.ai/docs/jp/ji-chu/unsloth-benchmarks.md): NVIDIA GPU 上で記録された Unsloth のベンチマークです。


---

# 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 by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://unsloth.ai/docs/jp/ji-chu.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

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.