> ## 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.
# 选择您的界面
> CLI、Chat 或 API - 选择正确的工具
# 使用哪个界面
AI Training 提供三种工作方式。根据您的需求选择。
## 快速比较
| 界面 | 最适合 | 功能 |
| -------- | ---- | ------------ |
| **CLI** | 训练模型 | 运行训练任务、自动化 |
| **Chat** | 测试模型 | 与训练模型进行交互式聊天 |
| **API** | 构建应用 | 将训练集成到应用程序中 |
## 三个选项
**训练模型**
输入命令来训练模型。非常适合自动化和脚本。
`aitraining llm --train ...`
**测试模型**
用于测试训练模型的交互式浏览器界面。
`aitraining chat`
**构建应用**
在 Python 代码中导入和使用。
`from autotrain.trainers.clm import train`
## 简单决策指南
**训练模型？** → 使用 CLI
**测试训练模型？** → 使用 Chat 界面
**构建应用程序？** → 使用 Python API
## 典型工作流程
大多数用户遵循此模式：
1. **使用 CLI 训练** - `aitraining llm --train --model meta-llama/Llama-3.2-1B --data-path ./data`
2. **使用 Chat 测试** - `aitraining chat` → 打开浏览器 → 试用您的模型
3. **迭代** - 调整训练，再次测试
4. **使用 API 部署** - 集成到您的应用程序中
## 它们都协同工作
界面相互补充：
* **CLI** 处理繁重工作（训练）
* **Chat** 让您快速验证结果
* **API** 支持生产集成
## 组合界面
您不会被锁定在一个界面中：
1. **使用 CLI 训练** → **使用 Chat 测试** → **使用 API 部署**
2. **使用 API 实验** → **使用 CLI 自动化**
3. **使用 Chat 快速测试** → **使用 CLI 完整训练**
## 迁移很容易
界面共享相同的基础设置：
**CLI 使用 flags** → **API 使用 parameters**
```
CLI: --learning-rate 2e-5 --batch-size 4
API: learning_rate=2e-5, batch_size=4
```
相同的值，不同的格式。
## 下一步
准备好选择了吗？深入了解您的界面：
命令行训练
测试模型
Python 集成