Plataforma open source de investigación en ML para entrenar, ajustar, evaluar y ejecutar modelos localmente o en Slurm y clústeres de GPU en la nube.
huggingface/skills
Colección de Agent Skills con instrucciones y scripts para que agentes de programación con IA realicen tareas en Hugging Face Hub, como entrenamiento, evaluación, gestión de datasets y Spaces.
- Estrellas
- 11,288
- Forks
- 786
- Issues abiertos
- 70
- Último commit
- hace 7 días
¿Qué es?
Hugging Face Skills es un conjunto de carpetas de skills independientes que reúnen instrucciones, scripts y recursos para agentes de programación con IA que trabajan en tareas de machine learning. Cada skill es un directorio con un archivo SKILL.md que el agente carga cuando la tarea corresponde, y abarca áreas como la herramienta de línea de comandos hf, el entrenamiento de modelos con TRL, la exploración de datasets mediante Dataset Viewer API, la ejecución de evaluaciones, la creación de demos de Gradio y Spaces, la estimación de memoria para los pesos de modelos y el despliegue en AWS SageMaker.
El repositorio sigue el formato Agent Skills y funciona con Claude Code, Codex, Gemini CLI y Cursor. La skill hf-cli es el punto de partida recomendado para las operaciones principales en Hub, como buscar modelos, administrar datasets y buckets, y lanzar trabajos. Las skills para flujos de trabajo adicionales se pueden instalar cuando se necesiten con el comando hf skills add.
Funciones clave
- 01Incluye una skill hf-cli que enseña a los agentes los comandos hf para realizar operaciones en Hub.
- 02Abarca el entrenamiento y ajuste fino de modelos con TRL y Unsloth en Hugging Face Jobs.
- 03Permite consultar, paginar y filtrar datasets mediante Dataset Viewer API.
- 04Incluye skills para crear e implementar aplicaciones de Gradio y Hugging Face Spaces.
- 05Ofrece una skill hf-mem para estimar la memoria necesaria para cargar pesos Safetensors o GGUF.
- 06Incluye skills de despliegue en AWS SageMaker para planificar, configurar IAM y crear endpoints.
Casos de uso
- Permitir que un agente de programación administre modelos, datasets y Spaces en Hub desde la terminal.
- Ajustar un modelo de lenguaje o visión con la guía de una skill de entrenamiento empaquetada.
- Estimar la memoria de GPU necesaria antes de cargar un modelo grande para inferencia.
- Desplegar un modelo de Hub en Amazon SageMaker con valores predeterminados para producción.
Inicio rápido
- 1
Registra el repositorio como un marketplace de plugins de Claude Code
/plugin marketplace add huggingface/skills - 2
Instala la skill hf-cli
/plugin install hf-cli@huggingface/skills - 3
Instala cualquier otra skill de Hugging Face con hf CLI
hf skills add <skill-name>
Antes de usarlo
- Las instrucciones de instalación varían según el cliente, por lo que Codex, Gemini CLI y Cursor requieren pasos de configuración manual.
En colecciones
Temas
Preguntas frecuentes
- ¿Qué es skills?
- Colección de Agent Skills con instrucciones y scripts para que agentes de programación con IA realicen tareas en Hugging Face Hub, como entrenamiento, evaluación, gestión de datasets y Spaces. Hugging Face Skills es un conjunto de carpetas de skills independientes que reúnen instrucciones, scripts y recursos para agentes de programación con IA que trabajan en tareas de machine learning. Cada skill es un directorio con un archivo SKILL.md que el agente carga cuando la tarea corresponde, y abarca áreas como la herramienta de línea de comandos hf, el entrenamiento de modelos con TRL, la exploración de datasets mediante Dataset Viewer API, la ejecución de evaluaciones, la creación de demos de Gradio y Spaces, la estimación de memoria para los pesos de modelos y el despliegue en AWS SageMaker.
- ¿skills es gratuito? ¿Qué licencia tiene?
- skills es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿skills sigue mantenido?
- Mantenimiento activo. El último commit de skills fue el 30 oct 2026.
- ¿Para qué puedo usar skills?
- Permitir que un agente de programación administre modelos, datasets y Spaces en Hub desde la terminal. Ajustar un modelo de lenguaje o visión con la guía de una skill de entrenamiento empaquetada. Estimar la memoria de GPU necesaria antes de cargar un modelo grande para inferencia. Desplegar un modelo de Hub en Amazon SageMaker con valores predeterminados para producción.
- ¿Cómo se instala skills?
- Registra el repositorio como un marketplace de plugins de Claude Code: /plugin marketplace add huggingface/skills Instala la skill hf-cli: /plugin install hf-cli@huggingface/skills Instala cualquier otra skill de Hugging Face con hf CLI: hf skills add <skill-name>
- ¿Dónde consigo skills?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/huggingface/skills
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Kit de herramientas para combinar los pesos de modelos de lenguaje grandes preentrenados mediante diversos algoritmos de fusión, en CPU o GPU.
Biblioteca de entrenamiento nativa de PyTorch DTensor para ajustar y preentrenar LLM, VLM y modelos de difusión directamente desde checkpoints de Hugging Face.
CLI basado en configuración para ejecutar y comparar experimentos de fine-tuning de LLM con distintos prompts, modelos open source y ajustes de LoRA, con pruebas integradas de resultados.
SliceGPT es un método de compresión posterior al entrenamiento que reduce modelos transformer, como los LLM, eliminando filas y columnas de las matrices de pesos.
Curso práctico de Hugging Face para alinear modelos pequeños de lenguaje y visión-lenguaje con recursos locales mínimos.