> 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/zh/xin/studio.md).
# Unsloth Studio 介绍
使用 Unsloth Studio 在本地运行和训练 AI 模型。
我们正在推出 **Unsloth Studio** （Beta）：一个开源、无需代码的 Web UI，用于在统一的 **本地** 界面中训练、运行和导出开放模型。
快速入门功能GitHub
* **运行 GGUF**, **MLX** 以及扩散图像/视频模型，均可在本地运行于 **Mac**、Windows、Linux。
* 训练 500 多种模型，速度提升 2 倍，显存占用减少 70%（无精度损失）
* 运行和训练文本、扩散视觉、TTS 音频及嵌入模型
{% hint style="success" icon="sparkles" %}
**新增：** 我们推出了全新的 [**Unsloth Desktop**](/docs/zh/desktop.md) 应用！下载适用于 [Mac](/docs/zh/kuai-su-kai-shi/install/mac.md), [Windows](/docs/zh/kuai-su-kai-shi/install/windows-installation.md) 和 [Linux](/docs/zh/kuai-su-kai-shi/install/linux.md).
{% endhint %}
{% endcolumn %}
{% endcolumns %}
| 智能体 | 命令 |
| ------------------------------------------------------------------ | ------------------------ |
| :claude: Claude Code | `unsloth start claude` |
| :openai: OpenAI Codex | `unsloth start codex` |
| :caduceus: Hermes Agent | `unsloth start hermes` |
| :lobster: OpenClaw | `unsloth start openclaw` |
| :rectangle-vertical: OpenCode | `unsloth start opencode` |
## :seedling: 工作流程
以下是帮助你入门的 Unsloth Studio 常规工作流程：
1. 从以下位置启动 Unsloth： [安装说明](/docs/zh/xin/studio/install.md).
2. 从本地文件或受支持的集成加载模型。
3. 从 PDF、CSV 或 JSONL 文件导入训练数据，或从头构建数据集。
4. 在其中清理、优化和扩展你的数据集 [数据配方](/docs/zh/xin/studio/data-recipe.md).
5. 使用推荐预设开始训练，或自行自定义配置。
6. 与训练后的模型聊天，并将其输出与基础模型进行比较。
7. [保存或导出](/docs/zh/xin/studio.md#export-save-models) 到本地，供你已经使用的技术栈使用。
你可以阅读我们对 Unsloth Studio 各个部分的深度解析：
{% columns %}
{% column width="50%" %}
{% content-ref url="/pages/12f6b822ad28322267b74accad74f665b341f5a4" %}
[Get Started](/docs/zh/xin/studio/start.md)
{% endcontent-ref %}
{% content-ref url="/pages/f7c3389bdba9af3050e66a941596d827cdb11e0b" %}
[Model Export](/docs/zh/xin/studio/export.md)
{% endcontent-ref %}
{% endcolumn %}
{% column width="50%" %}
{% content-ref url="/pages/7223afcfd2df87e1fe32a963c0b5ef0e45f563c5" %}
[Data Recipes](/docs/zh/xin/studio/data-recipe.md)
{% endcontent-ref %}
{% content-ref url="/pages/5c2325084ff65c0303d8ec102b689868935855d3" %}
[Chat with models](/docs/zh/xin/studio/chat.md)
{% endcontent-ref %}
{% endcolumn %}
{% endcolumns %}
## :comments-question: 常见问题
**Unsloth 会收集或存储数据吗？**\
Unsloth 不收集使用遥测数据。Unsloth 仅收集兼容性所需的最低限度硬件信息，例如 GPU 类型和设备（如 Mac）。Unsloth Studio 100% 离线并在本地运行。
**如何使用我之前从 Hugging Face 下载的旧/现有模型？**\
可以，你可以使用之前从 Hugging Face 等处下载的现有/旧模型或 GGUF。它们现在应该会被 Unsloth 自动检测到，否则请阅读我们的 [此处说明](/docs/zh/xin/studio/chat.md#using-old-existing-gguf-models).
**为什么 Unsloth 中的推理有时较慢？**\
与其他本地推理应用一样，Unsloth 由 llama.cpp 驱动，因此速度大多应相同。有时 Unsloth 变慢可能是因为你开启了网页搜索、代码执行或自我修复工具调用。这些功能都会让你的推理变慢。如果在关闭所有功能后速度仍有差异，请在 GitHub 上提交 issue！
**Unsloth Studio 支持兼容 OpenAI 的 API 吗？**\
支持，请查看我们的 [API 端点指南](/docs/zh/ji-chu-zhi-shi/api.md).
**Unsloth 现在采用 AGPL-3.0 许可证了吗？**\
Unsloth 采用 Apache 2.0 和 AGPL-3.0 的双重许可模式。核心 Unsloth 软件包仍采用 [**Apache 2.0**](https://github.com/unslothai/unsloth?tab=Apache-2.0-1-ov-file)许可，而某些可选组件（如 Unsloth Studio UI）采用 [**AGPL-3.0**](https://github.com/unslothai/unsloth?tab=AGPL-3.0-2-ov-file).
这一结构有助于支持 Unsloth 的持续开发，同时保持项目开源，并让更广泛的生态系统持续成长。
**Unsloth 只支持 LLM 吗？**\
不。Unsloth 支持一系列受支持的 `transformers` 兼容模型系列，包括文本、多模态模型、 [文本转语音](/docs/zh/ji-chu-zhi-shi/text-to-speech-tts-fine-tuning.md)、音频、 [嵌入](/docs/zh/ji-chu-zhi-shi/embedding-finetuning.md)以及 BERT 风格模型。
**我可以使用自己的训练配置吗？**\
可以。导入 YAML 配置后，Unsloth 将预填充相关设置。
**使用 UI 是否需要训练模型？**\
不需要，你可以直接下载任何 GGUF 或模型，无需微调任何模型。
#### 致谢
非常感谢 NVIDIA 和 Hugging Face 参与我们的发布。也感谢所有 Unsloth Studio 的早期 Beta 测试者，我们由衷感激你们的时间和反馈。我们还要感谢 llama.cpp、PyTorch 和开放模型实验室提供的基础设施，使 Unsloth Studio 得以实现。
---
# 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/zh/xin/studio.md?ask=&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.
