Unsloth 是一套用于本地推理与模型训练的优化工具，包含三个界面：Core（Python 训练栈）、Studio（浏览器界面）和 Desktop（原生应用）。不同产品、后端、模型和版本的能力存在差异，使用前应查阅对应官方页面，不要直接把厂商宣传的速度或最低显存要求当作自身工作负载的承诺。
用途与能力：可在 Core Python/notebook、Studio Web UI 或 Desktop 上执行推理、SFT、偏好优化、在线强化学习、决策模型训练、媒体生成以及编码智能体/工具调用等任务；可保存/恢复、导出模型、运行推理并使用 Studio API。默认推荐用 Core 做可复现的代码化训练；需要图形界面时选 Desktop 或 Studio。
使用方式：先确认操作系统、Python、加速器/后端、可用显存/内存/磁盘、已安装版本、模型 ID 与修订、输入格式、目标上下文和输出位置。训练前建立可测量基线、留出数据集、预算与停止条件。安装、下载权重、写检查点、暴露服务或发布模型前，先确认目标、范围与回滚路径；只读探查无需确认。在训练代码中先导入 Unsloth，再导入 Transformers/PEFT/TRL；更换包后重启 notebook 内核。
限制：不适合用本技能判断是否该用机器学习、检索或微调，该问题应交给 ml-engineering；运行已导出模型的独立引擎应使用 llama-cpp 或 vllm；容器平台设计用 platform-engineering，Docker Compose 机制用 docker-compose。资料中仅验证了单张 RTX 5070 Ti 上的 BF16 LoRA 文本 SFT 路径，QLoRA、UI、高级训练与量化导出的具体步骤尚未经该运行验证；本地推理并不等同于离线搜索、工具隔离或仅 GPU 部署。辅助命令仅做审计，不执行分词、语义去重、质量评估或 GPU 执行；退出码 0/1/2 分别表示检查通过、发现问题或扫描不完整、CLI 参数无效。资料未提供收费与价格信息。