用途：帮助用户创建 Unsloth 微调训练笔记本或直接使用训练脚本，适用于配置微调参数、搭建训练流程，以及选择后续运行环境。
主要能力：提供三种配置模式——Sensible defaults（生产可用默认配置）、Guide me（逐项提问引导，涉及模型家族/尺寸、训练技术、量化、LoRA rank、序列长度、批大小、学习率、训练轮数）、Leave it empty（生成带 ipywidgets 的运行时交互配置笔记本）。内置模板与脚本：notebooks/sft_template.ipynb；python scripts/train_sft.py、python scripts/train_dpo.py、python scripts/train_grpo.py。参考文档包括 MODEL_SELECTION.md、HARDWARE_GUIDE.md、TRAINING_METHODS.md。
使用方式：可直接复制并自定义 SFT 模板笔记本，或运行上述训练脚本。默认参数（示例）为模型 unsloth/llama-3.1-8b-unsloth-bnb-4bit、最大序列长度 2048、4-bit 加载、LoRA rank 16、批大小 2、梯度累积 4、学习率 2e-4、1 个 epoch。生成的笔记本结构包含标题概述、安装、导入与 GPU 检查、配置、FastLanguageModel.from_pretrained() 加载模型、get_peft_model() 应用 LoRA、加载数据集、SFTTrainer/DPOTrainer/GRPOTrainer 训练、保存 LoRA 适配器与合并模型、测试推理。生成后需询问运行位置：Hugging Face Jobs、RunPod 或本地。
限制：资料未提供该技能的收费、价格、平台兼容性、实际训练效果与性能数据；模型选择、显存需求等细节需查阅随附参考文档，本说明不作推测。