funsloth
基于Unsloth的Claude Code全流程LLM微调工具集
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：funsloth。 它的用途是：基于Unsloth的Claude Code全流程LLM微调工具集 完整的 Skill 内容见：https://321skill.com/skills/funsloth/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
‘我想用我的客服对话数据微调一个Qwen2.5-7B模型，让它更适合回答产品问题。’ 它会自动调用funsloth-check帮你验证数据集，然后用funsloth-train生成训练脚本，并引导你选择在Hugging Face Jobs、RunPod或本地GPU上启动训练。
介绍
funsloth是一个专为Claude Code设计的技能集合，旨在解决大型语言模型（LLM）微调流程复杂、配置繁琐的痛点。它通过六个相互关联的技能，将数据集检查、训练脚本生成、云端/本地训练到模型上传的完整工作流自动化，让用户无需深入底层技术细节即可完成模型定制。
使用时，用户只需在Claude Code中安装该插件，即可通过自然语言指令或直接调用特定技能来启动微调任务。例如，告诉Claude“我想在自定义数据集上微调Llama 3.1 8B”，funsloth便会自动调用相应技能引导用户完成后续步骤，极大简化了操作。
该工具集非常适合希望利用自有数据定制模型，但缺乏深度学习工程经验或希望提升效率的研究者、开发者和技术爱好者。无论是学术研究、产品原型开发还是个人兴趣项目，funsloth都能提供一条清晰的路径。
建议用户在使用前准备好Hugging Face账号用于数据集和模型托管，并根据训练规模选择合适的计算平台（本地GPU、Hugging Face Jobs或RunPod）。对于初次使用者，从官方支持的模型和标准数据格式（如Alpaca、ChatML）开始尝试，能获得更顺畅的体验。
核心特点
与单一功能的微调工具不同，funsloth是一个基于Claude Code的、端到端的自动化技能市场，通过“dorkestration”范式将多个微调子任务无缝编排成一个连贯的工作流，用户无需在不同工具间切换。它深度集成Unsloth以加速训练，并原生支持多种前沿训练技术（如DPO、ORPO、KTO）。
注意事项
不适合需要完全自定义底层训练循环、修改Unsloth核心代码或使用非支持模型架构的高级用户。
常见问题
funsloth支持哪些模型？
支持Llama 3.x、Qwen 2.5/3、Gemma 2/3、Phi-4、Mistral、DeepSeek等主流模型家族的多种尺寸，并提供推荐的4-bit量化版本。
训练数据需要什么格式？
支持多种格式，包括Raw Corpus（续训练）、Alpaca（指令调优）、ShareGPT和ChatML（对话），并兼容多种内置聊天模板。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/funsloth/raw/index.md 读取 funsloth 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/funsloth/raw/index.md（查看排版版本）