Hugging Face 技能

Hugging Face 技能是针对数据集创建、模型训练和评估等 AI/ML 任务的定义。它们可与所有主流编码代理工具互操作，例如 OpenAI Codex、Anthropic 的 Claude Code、Google DeepMind 的 Gemini CLI 以及 Cursor。

此仓库中的技能遵循标准化的 Agent Skills 格式。

技能如何工作？

实际上，技能是自包含的文件夹，将指令、脚本和资源打包在一起，供 AI 代理在特定用例中使用。每个文件夹都包含一个 SKILL.md 文件，该文件以 YAML 前置元数据（名称和描述）开头，随后是编码代理在技能激活期间遵循的指导说明。

[!NOTE] “技能”实际上是 Anthropic 在 Claude AI 和 Claude Code 中使用的术语，并未被其他代理工具采用，但我们非常喜欢这个词！OpenAI Codex 使用开放的 Agent Skills 格式，其中每个技能都是一个包含 SKILL.md 文件的目录，Codex 会从 Codex Skills 指南 中记录的标准 .agents/skills 位置发现这些技能。Codex 还可以处理 AGENTS.md 文件。Google Gemini 则使用“扩展”来在 gemini-extension.json 文件中定义编码代理的指令。本仓库与所有这些工具均兼容，甚至更多！

[!TIP] 如果您的代理不支持技能，可以直接使用 agents/AGENTS.md 作为备用方案。

安装

Hugging Face 技能与 Claude Code、Codex、Gemini CLI 和 Cursor 兼容。

Claude Code

1. 将仓库注册为插件市场：

/plugin marketplace add huggingface/skills

2. 要安装某个技能，运行：

/plugin install <skill-name>@huggingface/skills

例如：

/plugin install hf-cli@huggingface/skills

Codex

1. 将您想使用的任何技能从本仓库的 skills/ 目录复制或符号链接到 Codex 的标准 .agents/skills 位置之一（例如 $REPO_ROOT/.agents/skills 或 $HOME/.agents/skills），具体请参阅 Codex Skills 指南。

2. 一旦技能出现在这些位置之一，Codex 就会按照 Agent Skills 标准发现它，并在其决定使用该技能时或您明确调用时加载 SKILL.md 指令。

3. 如果您的 Codex 设置仍然依赖于 AGENTS.md，则可以使用本仓库中生成的 agents/AGENTS.md 文件作为备用的指令包。

Gemini CLI

1. 本仓库包含用于与 Gemini CLI 集成的 gemini-extension.json 文件。

2. 在本地安装：

gemini extensions install . --consent

或者使用 GitHub URL：

gemini extensions install https://github.com/huggingface/skills.git --consent

4. 更多帮助请参阅 Gemini CLI 扩展文档。

Cursor

本仓库包含 Cursor 插件清单：

• .cursor-plugin/plugin.json
• .mcp.json（配置了 Hugging Face MCP 服务器 URL）

可通过 Cursor 插件流程从仓库 URL（或本地检出）进行安装。

对于贡献者，可使用以下命令重新生成清单：

./scripts/publish.sh

技能

此仓库包含一些入门级技能。您也可以向仓库贡献自己的技能。

可用技能

名称	描述	文档
hf-cli	使用 hf CLI 执行 Hugging Face Hub 操作。下载模型/数据集、上传文件、管理仓库，并运行云端计算任务。	SKILL.md
huggingface-community-evals	在 Hugging Face 模型卡片中添加和管理评估结果。支持从 README 内容中提取评估表格、从 Artificial Analysis API 导入分数，以及使用 vLLM/lighteval 运行自定义评估。	SKILL.md
huggingface-datasets	使用 Dataset Viewer REST API 和 npx 工具探索、查询并提取任何 Hugging Face 数据集中的数据。无需 Python 依赖——涵盖拆分/配置发现、行分页、文本搜索、过滤、通过 parquetlens 使用 SQL 查询，以及通过 CLI 上传数据集。	SKILL.md
huggingface-gradio	在 Python 中构建 Gradio Web UI 和演示。适用于创建或编辑 Gradio 应用程序、组件、事件监听器、布局或聊天机器人时使用。	SKILL.md
huggingface-jobs	在 Hugging Face 基础设施上运行计算任务。执行 Python 脚本、管理计划任务并监控任务状态。	SKILL.md
huggingface-llm-trainer	使用 TRL 在 Hugging Face Jobs 基础设施上训练或微调语言模型。涵盖 SFT、DPO、GRPO 和奖励建模等训练方法，以及用于本地部署的 GGUF 转换。包括硬件选择、成本估算、Trackio 监控和 Hub 持久化。	SKILL.md
huggingface-paper-publisher	在 Hugging Face Hub 上发布和管理研究论文。支持创建论文页面、将论文与模型/数据集关联、声明作者身份，以及生成基于 Markdown 的专业研究文章。	SKILL.md
huggingface-papers	以 Markdown 格式查看和阅读 Hugging Face 论文页面，并在需要时使用 papers API 获取结构化元数据，如作者、关联模型、数据集、Spaces 和媒体 URL 等。	SKILL.md
huggingface-tool-builder	构建用于 Hugging Face Hub 和 API 工作流的可重用脚本。适用于串联 API 调用、丰富 Hub 元数据或自动化重复性任务。	SKILL.md
huggingface-trackio	使用 Trackio 跟踪和可视化机器学习训练实验。通过 Python API 记录指标，并通过 CLI 检索这些指标。支持与 HF Spaces 同步的实时仪表板。	SKILL.md
huggingface-vision-trainer	使用 Transformers Trainer API，在 Hugging Face Jobs 基础设施上或本地训练和微调目标检测模型（RTDETRv2、YOLOS、DETR 等）以及图像分类模型（timm 和 transformers 模型——MobileNetV3、MobileViT、ResNet、ViT/DINOv3 等）。包括 COCO 数据集格式支持、Albumentations 数据增强、mAP/mAR 指标、Trackio 跟踪、硬件选择和 Hub 持久化。	SKILL.md
transformers-js	直接在 JavaScript/TypeScript 中运行最先进的机器学习模型，用于 NLP、计算机视觉、音频处理和多模态任务。可在 Node.js 和浏览器中使用 WebGPU/WASM 运行 Hugging Face 模型。	SKILL.md

在你的编码代理中使用技能

安装技能后，在向编码代理发出指令时直接提及该技能：

• “使用 HF LLM 训练师技能来估算运行 70B 模型所需的 GPU 内存。”
• “使用 HF 模型评估技能来对最新检查点启动 run_eval_job.py。”
• “使用 HF 数据集创建者技能来草拟新的少样本分类模板。”
• “使用 HF 论文发布者技能来索引我的 arXiv 论文，并将其与我的模型关联。”

你的编码代理会在完成任务时自动加载相应的 SKILL.md 指令和辅助脚本。

贡献或自定义技能

1. 复制现有的某个技能文件夹（例如 hf-datasets/），并重命名。
2. 更新新文件夹的 SKILL.md 文件头：

   ---
   name: my-skill-name
   description: 描述技能的功能及适用场景
   ---
   
   # 技能标题
   指导说明 + 示例 + 安全约束
   

3. 添加或编辑你指令中引用的支持性脚本、模板和文档。
4. 在 .claude-plugin/marketplace.json 中添加一个条目，提供简洁易懂的人类可读描述。
5. 运行以下命令：

   ./scripts/publish.sh
   

   以重新生成并验证所有生成的元数据。
6. 在你的编码代理中重新安装或重新加载技能包，使更新后的文件夹可用。

市场

.claude-plugin/marketplace.json 文件列出了带有人类可读描述的技能，供插件市场使用。CI 会验证 SKILL.md 文件和 marketplace.json 中的技能名称和路径是否匹配，但描述是分开维护的：SKILL.md 中的描述指导 Claude 何时激活该技能，而市场描述则是为浏览可用技能的人类编写的。

其他参考

• 直接访问 huggingface/skills 浏览最新的指令、脚本和模板。
• 查阅 Hugging Face 文档，了解你在每个技能中引用的具体库或工作流。

Hugging Face Skills 快速上手指南

Hugging Face Skills 是一套标准化的 AI/ML 任务定义（如数据集创建、模型训练、评估），可被主流编程助手（如 Claude Code, OpenAI Codex, Google Gemini CLI, Cursor）直接识别和调用。本指南将帮助你快速配置并使用这些技能。

环境准备

在使用前，请确保你的开发环境满足以下要求：

• 操作系统：Linux, macOS 或 Windows (WSL 推荐)。
• 编程助手：已安装并配置好以下任一工具：
  • Claude Code
  • OpenAI Codex
  • Google Gemini CLI
  • Cursor IDE
• 网络环境：由于资源托管在 GitHub 和 Hugging Face，国内开发者建议配置全局代理或使用加速镜像，以确保插件安装和模型下载顺畅。
• 依赖工具：部分技能可能需要 git, python, nodejs 等基础运行环境，具体取决于你调用的技能类型。

安装步骤

根据你使用的编程助手，选择对应的安装方式。

1. Claude Code 用户

通过插件市场注册并安装技能包：

# 1. 注册 Hugging Face Skills 为插件市场源
/plugin marketplace add huggingface/skills

# 2. 安装具体技能（例如安装 hf-cli 技能）
/plugin install hf-cli@huggingface/skills

2. OpenAI Codex 用户

Codex 通过读取特定目录下的 SKILL.md 文件来发现技能。

# 将所需的技能文件夹从仓库复制到 Codex 的标准技能目录
# 示例：将 hf-cli 技能复制到当前项目的 .agents/skills 目录
cp -r skills/hf-cli $REPO_ROOT/.agents/skills/

# 或者复制到全局目录
cp -r skills/hf-cli $HOME/.agents/skills/

注：如果你的 Codex 配置仍依赖 AGENTS.md，可直接使用仓库中的 agents/AGENTS.md 文件作为指令集。

3. Google Gemini CLI 用户

通过扩展命令安装：

# 本地安装（需先 clone 本仓库）
gemini extensions install . --consent

# 或直接通过 GitHub URL 安装
gemini extensions install https://github.com/huggingface/skills.git --consent

4. Cursor 用户

Cursor 支持通过插件清单自动识别。

• 方法一：在 Cursor 设置中，通过 "Install from Repository URL" 输入本仓库地址进行安装。
• 方法二：如果是本地开发，确保项目根目录包含 .cursor-plugin/plugin.json 或 .mcp.json 文件，Cursor 会自动加载。

基本使用

安装完成后，无需手动运行脚本。只需在与编程助手的对话中直接提及技能名称或功能描述，助手便会自动加载对应的 SKILL.md 指令和辅助脚本来完成任务。

使用示例

场景 1：管理模型与数据集

“使用 hf-cli 技能帮我下载 meta-llama/Llama-3-8b 模型，并上传我的微调数据到 Hugging Face Hub。”

场景 2：模型评估

“调用 huggingface-community-evals 技能，从 README 中提取评估表格，并使用 vLLM 运行一次自定义评估。”

场景 3：构建演示应用

“利用 huggingface-gradio 技能，为我刚才训练的图像分类模型创建一个 Web 演示界面，包含图片上传组件和结果展示。”

场景 4：训练任务

“使用 huggingface-llm-trainer 技能估算运行 70B 参数模型所需的 GPU 显存，并生成基于 TRL 的 SFT 训练脚本。”

自定义技能（可选）

如果你需要定制专属技能：

1. 复制 skills/ 目录下现有的任意技能文件夹并重命名。
2. 修改新文件夹内的 SKILL.md，更新 YAML 头部信息（name, description）及具体指导内容。
3. 运行 ./scripts/publish.sh 重新生成元数据。
4. 在你的编程助手中重新加载该技能目录。