> ## Documentation Index
> Fetch the complete documentation index at: https://docs.monostate.ai/llms.txt
> Use this file to discover all available pages before exploring further.

# Estructura de Comandos

> Entender la sintaxis del CLI de AITraining

# Estructura de Comandos

El CLI de AITraining sigue un patrón consistente para todos los comandos.

## Sintaxis Básica

```bash theme={null}
aitraining <command> [options]
```

## Comandos Disponibles

| Comando                 | Descripción                                                       |
| ----------------------- | ----------------------------------------------------------------- |
| `llm`                   | Entrenar modelos de lenguaje grandes (LLMs)                       |
| `chat`                  | Lanzar interfaz de chat para inferencia                           |
| `api`                   | Iniciar servidor de API de entrenamiento                          |
| `text-classification`   | Entrenar modelos de clasificación de texto                        |
| `text-regression`       | Entrenar modelos de regresión de texto                            |
| `image-classification`  | Entrenar modelos de clasificación de imagen                       |
| `image-regression`      | Entrenar modelos de regresión de imagen                           |
| `token-classification`  | Entrenar clasificación NER/token                                  |
| `seq2seq`               | Entrenar modelos secuencia-a-secuencia                            |
| `tabular`               | Entrenar modelos de datos tabulares                               |
| `sentence-transformers` | Entrenar modelos de embedding de oraciones                        |
| `object-detection`      | Entrenar modelos de detección de objetos                          |
| `vlm`                   | Entrenar modelos visión-lenguaje                                  |
| `extractive-qa`         | Entrenar modelos de QA extractiva                                 |
| `tools`                 | Herramientas utilitarias: `merge-llm-adapter`, `convert_to_kohya` |
| `setup`                 | Configuración inicial                                             |
| `spacerunner`           | Ejecutar entrenamiento en Hugging Face Spaces                     |

<Note>
  **Requisitos de SpaceRunner**: El comando `spacerunner` requiere que se especifiquen `--project-name`, `--script-path`, `--username`, `--token` y `--backend`.
</Note>

## Obtener Ayuda

### Ayuda General

```bash theme={null}
aitraining --help
```

### Ayuda Específica de Comando

```bash theme={null}
aitraining llm --help
```

### Ayuda Específica de Trainer

Para entrenamiento LLM, ver parámetros de un trainer específico:

```bash theme={null}
aitraining llm --trainer sft --help
aitraining llm --trainer dpo --help
aitraining llm --trainer orpo --help
aitraining llm --trainer ppo --help
```

O usa el modo de vista previa:

```bash theme={null}
aitraining llm --preview-trainer dpo --help
```

## Opciones Globales

Estas opciones son verdaderamente globales (funcionan en el nivel superior):

| Opción            | Descripción                                |
| ----------------- | ------------------------------------------ |
| `--help`, `-h`    | Mostrar mensaje de ayuda                   |
| `--version`, `-v` | Mostrar versión                            |
| `--config`        | Cargar desde archivo de configuración YAML |

<Note>
  La opción `--backend` está disponible en la mayoría de comandos de entrenamiento pero se registra por comando, no globalmente. Ver [Opciones Globales](/cli/global-options) para detalles de backend.
</Note>

## Uso de Archivo de Configuración

En lugar de argumentos de línea de comandos, usa una configuración YAML:

```bash theme={null}
aitraining --config training_config.yaml
```

## Ejemplos

### Entrenamiento LLM Básico

```bash theme={null}
aitraining llm --train \
  --model google/gemma-3-270m \
  --data-path ./data \
  --project-name my-model \
  --trainer sft
```

### Con LoRA

```bash theme={null}
aitraining llm --train \
  --model meta-llama/Llama-3.2-1B \
  --data-path ./data \
  --project-name my-lora-model \
  --peft \
  --lora-r 16 \
  --lora-alpha 32
```

### Clasificación de Texto

```bash theme={null}
aitraining text-classification \
  --model bert-base-uncased \
  --data-path ./reviews.csv \
  --text-column text \
  --target-column label \
  --project-name sentiment-model
```

## Modo Interactivo

Ejecuta sin argumentos para iniciar el asistente interactivo:

```bash theme={null}
aitraining
```

O explícitamente:

```bash theme={null}
aitraining llm --interactive
```

## Próximos Pasos

<CardGroup cols={2}>
  <Card title="Entrenamiento LLM" href="/cli/llm-training">
    Guía completa para entrenar LLMs
  </Card>

  <Card title="Configuraciones YAML" href="/cli/yaml-configs">
    Usar archivos de configuración
  </Card>
</CardGroup>