Hugging Face Skills

概览

GitHubGitHub

## 简介 Hugging Face Skills 是一个开源仓库，提供遵循 [Agent Skills](https://agentskills.io/home) 标准的技能定义集合。这些技能以自包含文件夹的形式组织，每个文件夹包含一个带有 YAML frontmatter 的 `SKILL.md` 文件以及配套的脚本和资源，供 AI 编程代理在执行特定 AI/ML 任务时调用。 ## 解决什么问题 AI 编程代理（如 Claude Code、Codex、Gemini CLI、Cursor）在与 Hugging Face Hub 交互时，需要明确的指令和上下文。该仓库将这些指令标准化为可安装的技能包，使代理能够完成模型搜索与下载、数据集管理、SageMaker 部署规划、本地推理环境配置、模型微调等复杂工作流，而无需用户手动编写大量提示词或脚本。 ## 主要能力 - **Hub 操作**：通过 `hf-cli` 技能，代理可以执行所有 `hf` 命令，包括搜索模型、管理数据集和 bucket、启动 Spaces、运行 jobs 等。 - **AWS / SageMaker 集成**：提供 AWS 上下文发现、Python 环境配置、SageMaker 部署规划、IAM 预检、生产环境默认配置、服务镜像选择等一系列技能。 - **模型评估与训练**：支持使用 inspect-ai 和 lighteval 进行社区评估，使用 TRL 或 Unsloth 进行语言与视觉模型的微调。 - **本地推理**：通过 `huggingface-local-models` 技能在 CPU、Mac Metal、CUDA 或 ROCm 上使用 llama.cpp 和 GGUF 运行模型；通过 `hf-mem` 估算加载 Safetensors 或 GGUF 权重所需的内存。 - **应用构建**：支持构建 Gradio Web UI、在 Hugging Face Spaces 上部署应用、为 LoRA 构建演示空间。 - **论文与数据集**：查询和阅读 Hugging Face 论文页面，使用 Dataset Viewer API 进行数据检索和过滤。 ## 安装方式 推荐首先安装 `hf-cli` 技能作为引导路径。不同宿主工具的安装方式如下： - **Claude Code**：通过 `/plugin marketplace add huggingface/skills` 注册市场，再 `/plugin install hf-cli@huggingface/skills` 安装。 - **Codex**：将技能文件夹复制或符号链接到 `.agents/skills` 目录。 - **Gemini CLI**：使用 `gemini extensions install` 命令从本地或 GitHub URL 安装。 - **Cursor**：通过 Cursor 插件流程从仓库 URL 安装，仓库内包含 `.cursor-plugin/plugin.json` 和 `.mcp.json` 清单。 其他技能可通过 `hf skills add <skill-name>` 按需安装。如果代理不支持技能格式，可使用仓库中的 `agentsmd/AGENTS.md` 作为回退方案。 ## 适合谁 适合使用 AI 编程代理进行机器学习开发、希望在 Hugging Face 生态中自动化工作流的开发者与研究人员。

Q&A

什么是 Hugging Face Skills？由 AI 生成

它是遵循 Agent Skills 标准的技能定义集合，以自包含文件夹形式打包指令、脚本和资源，供 AI 编程代理执行 Hugging Face 生态中的 AI/ML 任务。

支持哪些 AI 编程代理？由 AI 生成

兼容 Claude Code、Codex、Gemini CLI 和 Cursor。

推荐首先安装哪个技能？由 AI 生成

推荐先安装 hf-cli 技能，它教代理使用所有 hf 命令，是核心 Hub 操作的引导路径。

如何安装额外的技能？由 AI 生成

安装 hf-cli 后，可以使用 hf skills add <skill-name> 命令按需安装其他工作流技能。

如果我的代理不支持 Skills 格式怎么办？由 AI 生成

可以直接使用仓库中 agentsmd/AGENTS.md 文件作为指令的回退方案。

这个仓库使用什么许可证？由 AI 生成

使用 Apache-2.0 许可证。