> 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。
我们即将推出 **Unsloth Studio** （Beta）：一个开源、无代码的网页 UI，可在一个统一的本地界面中训练、运行和导出开源模型 **本地** 界面。
快速开始功能GitHub
* **运行 GGUF**, **MLX** 以及在本地运行扩散图像/视频模型 **Mac**，Windows、Linux。
* 训练 500+ 个模型，速度快 2 倍，VRAM 占用减少 70%（不损失准确率）
* 运行并训练文本、扩散视觉、TTS 音频、嵌入模型
{% hint style="success" icon="sparkles" %}
**新功能：** 我们推出全新的 [**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
下面是 Unsloth Studio 的常规工作流，帮助你快速上手：
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中加载模型。
3. 从 PDF、CSV 或 JSONL 文件导入训练数据，或从头构建数据集。
4. 在以下位置清理、优化并扩展你的数据集 [数据配方](/docs/zh/xin/studio/data-recipe.md).
5. 使用推荐预设开始训练，或者自行自定义配置。
6. 与训练后的模型聊天，并将其输出与基座模型进行比较。
7. [保存或导出](/docs/zh/xin/studio.md#export-save-models) 到你已在使用的本地技术栈中。
你可以阅读我们针对 Unsloth Studio 各个部分的单独深度解析：
{% 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少硬件信息，例如 GPU 类型和设备（如 Mac）。Unsloth Studio 100% 离线且本地运行。
**我如何使用之前从 Hugging Face 下载的旧模型/现有模型？**\
是的，你可以使用之前从 Hugging Face 等处下载的现有/旧模型或 GGUF。它们现在应会被 Unsloth 自动检测，否则请阅读我们的 [这里的说明](/docs/zh/xin/studio/chat.md#using-old-existing-gguf-models).
**为什么 Unsloth 的推理有时会更慢？**\
与其他本地推理应用一样，Unsloth 由 llama.cpp 提供支持，因此速度应该大致相同。有时 Unsloth 变慢可能是因为你开启了网页搜索、代码执行和自愈式工具调用。这些功能都可能让推理变慢。如果在关闭所有功能后速度差异仍然更慢，请提交 GitHub issue！
**Unsloth Studio 支持 OpenAI 兼容的 API 吗？**\
是的，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 许可了吗？**\
Unsloth 采用 Apache 2.0 和 AGPL-3.0 的双重许可模式。核心 Unsloth 包仍采用 [**Apache 2.0**](https://github.com/unslothai/unsloth?tab=Apache-2.0-1-ov-file)，而某些可选组件，例如 Unsloth Studio UI，则采用 [**AGPL-3.0**](https://github.com/unslothai/unsloth?tab=AGPL-3.0-2-ov-file).
这种结构有助于支持 Unsloth 的持续开发，同时保持项目开源，并推动更广泛的生态系统持续发展。
**Unsloth 只支持 LLM 吗？**\
不。Unsloth 支持一系列受支持的 `transformers` 兼容模型家族，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 会自动预填相关设置。
**使用该 UI 需要先训练模型吗？**\
不，你只需下载任意 GGUF 或模型，无需对任何模型进行微调。
#### 致谢
非常感谢 NVIDIA 和 Hugging Face 参与我们的发布。同时也感谢所有 Unsloth Studio 的早期测试者，我们非常感激你们付出的时间和反馈。我们还要感谢 llama.cpp、PyTorch 和 open model labs 提供了让 Unsloth Studio 成为可能的基础设施。
---
# 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.
