开源的机器学习研究平台,可在本地或 Slurm、云端 GPU 集群上训练、微调、评估和运行模型。
huggingface/skills
一组 Agent Skills,为 AI 编程助手提供 Hugging Face 生态相关的训练、评测、数据集与 Spaces 操作指引。
- Star
- 11,288
- Fork
- 786
- 未关闭 Issue
- 70
- 最近提交
- 8天前
这是什么?
Hugging Face Skills 是一组自包含的技能目录,把说明、脚本和资源打包好,供 AI 编程助手在处理机器学习任务时调用。每个技能都包含一个 SKILL.md 文件,当任务匹配时由智能体自动加载,覆盖 hf 命令行工具、基于 TRL 的模型训练、通过 Dataset Viewer API 浏览数据集、运行模型评测、构建 Gradio 应用与 Spaces、估算模型权重显存占用,以及 AWS SageMaker 部署等场景。
仓库遵循 Agent Skills 格式,支持 Claude Code、Codex、Gemini CLI 和 Cursor。核心 Hub 操作(如搜索模型、管理数据集和存储桶、提交任务)建议从 hf-cli 技能开始,其他工作流技能可通过 hf skills add 命令按需安装。
核心功能
- 01提供 hf-cli 技能,让智能体掌握 hf 命令行的 Hub 操作。
- 02覆盖基于 TRL 和 Unsloth、在 Hugging Face Jobs 上进行的模型训练与微调。
- 03通过 Dataset Viewer API 实现数据集的查询、分页与过滤。
- 04包含构建与部署 Gradio 应用及 Hugging Face Spaces 的技能。
- 05提供 hf-mem 技能,用于估算加载 Safetensors 或 GGUF 权重所需的内存。
- 06包含 AWS SageMaker 部署相关技能,涵盖部署规划、IAM 配置与端点创建。
适用场景
- 让编程助手直接在终端中管理 Hub 上的模型、数据集和 Spaces。
- 借助打包好的训练技能微调语言模型或视觉模型。
- 在加载大模型推理前估算所需 GPU 显存。
- 按照默认生产配置将 Hub 模型部署到 Amazon SageMaker。
快速上手
- 1
将仓库注册为 Claude Code 插件市场
/plugin marketplace add huggingface/skills - 2
安装 hf-cli 技能
/plugin install hf-cli@huggingface/skills - 3
使用 hf CLI 安装其他 Hugging Face 技能
hf skills add <skill-name>
使用前须知
- 各客户端的安装方式不同,Codex、Gemini CLI 和 Cursor 需要手动配置步骤。
收录于专题
标签
常见问题
- skills 是什么?
- 一组 Agent Skills,为 AI 编程助手提供 Hugging Face 生态相关的训练、评测、数据集与 Spaces 操作指引。 Hugging Face Skills 是一组自包含的技能目录,把说明、脚本和资源打包好,供 AI 编程助手在处理机器学习任务时调用。每个技能都包含一个 SKILL.md 文件,当任务匹配时由智能体自动加载,覆盖 hf 命令行工具、基于 TRL 的模型训练、通过 Dataset Viewer API 浏览数据集、运行模型评测、构建 Gradio 应用与 Spaces、估算模型权重显存占用,以及 AWS SageMaker 部署等场景。
- skills 可以免费使用吗?用的什么许可证?
- skills 以 Apache-2.0 许可证开源。用于商业产品前,请先确认许可证条款。
- skills 还在维护吗?
- 活跃维护中。skills 最近一次提交是在 2026年10月30日。
- skills 适合用来做什么?
- 让编程助手直接在终端中管理 Hub 上的模型、数据集和 Spaces。 借助打包好的训练技能微调语言模型或视觉模型。 在加载大模型推理前估算所需 GPU 显存。 按照默认生产配置将 Hub 模型部署到 Amazon SageMaker。
- skills 怎么安装和运行?
- 将仓库注册为 Claude Code 插件市场: /plugin marketplace add huggingface/skills 安装 hf-cli 技能: /plugin install hf-cli@huggingface/skills 使用 hf CLI 安装其他 Hugging Face 技能: hf skills add <skill-name>
- 在哪里获取 skills?
- 源代码和安装说明在 GitHub 上:https://github.com/huggingface/skills
概要由 AI 根据项目 README 生成;GitHub 数据每日更新。
相关项目
用于合并预训练大语言模型的工具包,支持多种合并算法,可在 CPU 或 GPU 上运行。
基于 PyTorch DTensor 的训练库,可直接加载 Hugging Face 模型进行 LLM、VLM 等的微调与预训练。
基于配置文件的命令行工具,用于批量运行和对比开源大模型的微调实验。
SliceGPT 是一种训练后压缩方法,通过裁剪权重矩阵的行和列来缩小 Transformer 模型(包括大语言模型)。
Hugging Face 推出的实践课程,教你用小型语言和视觉语言模型做对齐,对本地硬件要求低。