illegalCreed

中文

English

中文

English

Appearance

入门 ​

基于 huggingface/skills 主分支（2026-07，Apache-2.0）的 README 与 skills/ 编写。

速查 ​

  • 官方源：huggingface/skills，Apache-2.0；遵 agentskills.io 格式
  • 引导 skill = hf-cli：从本地 hf CLI 生成，教 agent 所有 hf 命令（auth/download/upload/buckets/spaces/datasets/jobs/papers）
  • 装 CLI：curl -LsSf https://hf.co/cli/install.sh | bash -s；登录 hf auth login
  • Claude Code：/plugin marketplace add huggingface/skills → /plugin install hf-cli@huggingface/skills
  • 装其它 skill：hf skills add <skill-name>（marketplace 默认只暴露 hf-cli）
  • 客户端支持：Claude Code / Codex（.agents/skills）/ Gemini CLI（gemini-extension.json）/ Cursor（plugin manifest）
  • 25 skill 分类：Hub CLI（1）· Cloud/AWS（6）· 训练（6：llm/vision/sentence/trl/trackio/zerogpu）· 数据（2）· Spaces/Gradio（3）· 本地推理（2）· 论文（2）· 工具/评测（3）

它是什么 ​

Hugging Face Skills 是一组 AI/ML 工程技能，每个技能是一个自包含文件夹：SKILL.md（YAML frontmatter 的 name/description + agent 指令）+ 可选 scripts/（自动化脚本）+ 可选 references/（支撑文档）。技能装好后，编码 agent 会在任务匹配时自动加载并按 SKILL.md 行事。

hf-cli 是仓库推荐的第一个 skill——它由你本地安装的 hf CLI 动态生成，因此总是覆盖最新的 Hub 命令（download/upload/auth/buckets/spaces/datasets/jobs/papers/discussions/collections/inference endpoints）。

安装 ​

1. 先装 hf CLI ​

bash
curl -LsSf https://hf.co/cli/install.sh | bash -s
hf auth login   # 打印 URL + 一次性 code，浏览器完成 OAuth；或传 --token
hf auth whoami  # 验证当前账号

2. 按客户端装 skill 集 ​

Claude Code ​

text
/plugin marketplace add huggingface/skills
/plugin install hf-cli@huggingface/skills

之后用 hf skills add <skill-name> 安装仓库里其它 skill。

Codex ​

把需要的 skill 从仓库 skills/ 复制或 symlink 到 Codex 的 .agents/skills（仓库级 $REPO_ROOT/.agents/skills 或用户级 $HOME/.agents/skills），Codex 会按 Agent Skills 标准自动发现。

Gemini CLI ​

仓库根目录有 gemini-extension.json：

bash
gemini extensions install . --consent
# 或从 GitHub
gemini extensions install https://github.com/huggingface/skills.git --consent

Cursor ​

仓库含 .cursor-plugin/plugin.json 和 .mcp.json（已配 HF MCP server URL），从仓库 URL 或本地 checkout 用 Cursor 的插件流程安装。

agent 不支持 skills？ 直接用仓库的 agentsmd/AGENTS.md 作为指令包兜底。

25 skill 速览 ​

类别skill一句话
Hub CLI（引导）hf-cli所有 hf 命令：auth/download/upload/buckets/spaces/datasets/jobs/papers
Cloud / AWShf-cloud-aws-context-discovery探测本地 AWS 上下文（profile/region/account/identity）
hf-cloud-python-env-setup给 SageMaker/AWS 起隔离 Python 环境（版本 + boto3）
hf-cloud-sagemaker-deployment-plannerSageMaker 部署的入口/编排 skill
hf-cloud-sagemaker-iam-preflight部署/训练前确保 SageMaker execution role 可用
hf-cloud-sagemaker-production-defaults建带自动伸缩 + CloudWatch + tagging 的端点
hf-cloud-serving-image-selection选对的 serving 容器 + 当前 image URI
训练huggingface-llm-trainerTRL（SFT/DPO/GRPO/RM）或 Unsloth 在 HF Jobs 上训
huggingface-vision-trainer视觉模型：检测（D-FINE/RT-DETR/DETR/YOLOS）、分类（timm）、SAM/SAM2
train-sentence-transformersSentenceTransformer/CrossEncoder/SparseEncoder
trl-trainingTRL 训练 transformer 语言模型（细化）
huggingface-trackio训练实验追踪与可视化
huggingface-zerogpuZeroGPU + Gradio Spaces 上的 GPU 计算
数据集huggingface-datasetsDataset Viewer API：splits/rows/search/filter/parquet/size/statistics
huggingface-community-evals用 inspect-ai / lighteval 在本地硬件跑评测
Spaces / Gradiohuggingface-spaces建/部署/维护 Spaces（Gradio/Docker/Static/ZeroGPU）
huggingface-gradio用 Python 建 Gradio Web UI 和 Demo
huggingface-lora-space-builder给指定 LoRA 建并发布 Gradio Demo
本地推理huggingface-local-models选模型用 llama.cpp + GGUF 在 CPU/Metal/CUDA/ROCm 跑
transformers-js在 JavaScript/TypeScript 里跑 SOTA ML 模型
论文 / 工具huggingface-papers查/读 HF 论文页（作者、关联模型/数据集/Spaces、repo）
huggingface-paper-publisher在 Hub 上发布和管理研究论文
huggingface-tool-builder用 HF API 数据建工具/脚本
huggingface-best找任务下最好/最推荐的模型、按 benchmark 比较
hf-mem估算 Safetensors / GGUF 推理所需显存

用 skill 的两种方式 ​

  1. 任务匹配自动激活：装好后，agent 看到「Deploy a model to SageMaker」「Fine-tune a 70B model」就会自动加载对应 SKILL.md
  2. 显式提及：在对话里直接点名，例如「Use the HF LLM trainer skill to estimate GPU memory for a 70B run」

下一步 ​

  • 指南 —— 按类讲深入（CLI / Cloud 部署 / 训练 / 数据集 / Spaces / 论文 / 本地推理 / 评测）+ 工作流 + 反模式
  • 参考 —— 25 skill 全表 + 触发场景 + 安装、许可、链接