hf-cli

hf-cli 스킬 개요

hf-cli 스킬은 Hugging Face Hub CLI인 hf를 사용해 인증하고, 파일을 다운로드·업로드하고, repo와 bucket을 관리하고, 모델과 dataset을 확인하며, 터미널에서 Hugging Face 서비스와 작업할 수 있게 도와줍니다. 한 번만 웹에서 클릭하는 방식보다, 반복 가능하고 스크립트화할 수 있는 Hub 접근이 필요한 Backend Development 워크플로에 특히 잘 맞습니다.

hf-cli는 무엇에 쓰는가

작업이 운영 중심일 때 hf-cli 스킬을 사용하세요. 예를 들면 로그인 상태 확인, 캐시 처리, repo 동기화, dataset 조회, endpoint 설정, webhook, job 실행, 또는 로컬 시스템과 Hub 사이에서 artifact 이동 같은 경우입니다. Hugging Face 생태계는 이미 알고 있지만, 정확한 명령 흐름, flag, 설치 경로가 필요한 사용자에게 특히 유용합니다.

이 스킬이 적합한 경우

Hub 작업을 자동화하고 싶거나, CI/CD에 통합하고 싶거나, 팀 워크플로를 CLI 기준으로 표준화하고 싶다면 hf-cli를 선택하세요. 의존적인 command syntax, 현재 auth 동작, 또는 어떤 hf subcommand가 작업에 맞는지 안내가 필요할 때는 일반적인 프롬프트보다 이 스킬이 더 적합합니다.

무엇이 다른가

핵심 가치는 개념 설명이 아니라 실전용 명령 선택에 있습니다. 이 hf-cli 가이드는 최신 hf 명령을 중심으로 구성되어 있고, 더 이상 권장되지 않는 huggingface-cli를 대체한다는 점을 짚어 주며, auth, cache, Hub resource 관리에서 생길 수 있는 시행착오를 줄여 줍니다.

hf-cli 스킬 사용법

CLI 설치하고 동작을 확인하기

npx skills add huggingface/skills --skill hf-cli로 스킬을 설치하세요. 그런 다음 hf --help와 hf auth whoami를 확인해 CLI가 사용 가능하고 최신 상태인지 점검합니다. 오래된 문서에서 옮겨 오는 중이라면 huggingface-cli는 레거시로 보고, 새 명령에는 hf를 우선하세요.

목표를 바로 쓸 수 있는 프롬프트로 바꾸기

가장 좋은 hf-cli usage는 막연한 “Hugging Face 좀 도와줘”가 아니라 구체적인 목표에서 시작합니다. 무엇을 옮기거나 관리하려는지, 어디에 있는지, 어떤 제약이 있는지 포함하세요. 예를 들어: “fine-tuned model 폴더를 org/model-name에 업로드하되 config.json과 model.safetensors만 남기고, CI에서 발급한 token으로 인증해줘.” 이렇게 주면 스킬이 적절한 subcommand와 flag를 고르는 데 충분한 맥락을 얻습니다.

먼저 읽어야 할 파일

먼저 SKILL.md를 보고, 그다음 README.md, AGENTS.md, metadata.json을 확인하세요. 또한 존재한다면 rules/, resources/, references/, scripts/ 폴더도 살펴보세요. 이 repo에서는 SKILL.md가 주된 정보원이므로, 핵심 작업은 큰 파일 트리를 샅샅이 뒤지는 것이 아니라 명령 모델, 지원 작업, 마이그레이션 노트를 뽑아내는 데 있습니다.

실제 워크플로 제약까지 함께 주기

동료에게 설명하듯 필요한 상세 정보를 함께 주세요. 예를 들면 repo ID, file path, revision 또는 branch, cache 위치, 명령이 로컬에서 도는지 CI에서 도는지, dry run이 필요한지, 최소 출력이 필요한지 등을 포함합니다. 이런 입력은 hf-cli install과 hf-cli usage 안내의 정확도를 크게 높여 주는데, 대상 resource를 더 정확히 좁히고 실수로 인한 업로드, 다운로드, auth 오류를 줄여 주기 때문입니다.

hf-cli 스킬 FAQ

hf-cli는 모델 다운로드용인가요?

아닙니다. hf-cli 스킬은 다운로드와 업로드만 다루지 않습니다. authentication, cache 관리, repo, dataset, space, bucket, job, paper, 그리고 그와 관련된 Hub 작업까지 포괄합니다. Hugging Face 생태계와 연관된 일이라면 hf-cli가 대개 적절한 출발점입니다.

셸 명령을 이미 알아도 이 스킬이 필요한가요?

명령 실수를 줄이고 설정 시간을 단축하고 싶다면 그렇습니다. 일반 프롬프트는 개념을 설명할 수 있지만, 최신 CLI syntax, 올바른 hf subcommand, 또는 더 이상 쓰지 않는 huggingface-cli에서의 마이그레이션 경로가 필요할 때는 hf-cli가 더 낫습니다.

hf-cli는 초보자에게도 괜찮나요?

네, 단 요청이 구체적이어야 합니다. 초보자는 보통 작업과 대상 repo를 함께 적을 때 가장 좋은 결과를 얻습니다. 예를 들어: “로그인하고 로컬 테스트용 dataset snapshot 하나를 내려받아야 해.” 같은 식입니다. 이런 요청이야말로 “Hugging Face CLI 보여줘” 같은 넓은 요청보다 실제 동작하는 명령으로 바꾸기 쉽습니다.

언제 hf-cli를 쓰지 말아야 하나요?

작업이 순수하게 개념 설명만 필요하거나, Hub와 무관하거나, 자동화 필요 없이 웹 UI로 더 잘 해결된다면 쓰지 마세요. 또한 단순히 일반적인 AI/ML 조언만 원하고 CLI 작업은 필요 없다면 가장 적합한 선택이 아닙니다.

hf-cli 스킬 개선 방법

가장 어려운 제약부터 먼저 말하기

가장 강력한 hf-cli 입력에는 반드시 일어나지 않아야 할 조건이 들어 있습니다. 예를 들면 전체 cache 다운로드 금지, overwrite 금지, public 노출 금지, interactive login 금지, 추가 파일 금지 같은 것들입니다. 이런 제약은 명령 선택을 바꾸며, 높은 수준의 목표보다 더 중요할 때가 많습니다.

정확한 Hub 객체를 명시하기

repo type과 식별자를 정확히 적으세요. model, dataset, space, bucket, endpoint, job인지 구분해야 합니다. hf-cli 결과는 대상이 org/repo인지, 특정 revision인지, 아니면 Hub와 동기화해야 하는 로컬 directory인지 알 때 더 좋아집니다.

명령만 말하지 말고 워크플로를 함께 요청하기

실제로 쓸 수 있는 hf-cli guide를 원한다면, 명령과 함께 가장 짧고 안전한 워크플로도 요청하세요. 설치, auth, 확인, 실행, 검증까지 포함하는 식입니다. 그러면 hf auth whoami, cache 확인, revision 선택처럼 시행착오를 줄이는 실무 단계가 자연스럽게 드러납니다.

실제 출력과 오류로 반복 개선하기

첫 번째 명령이 실패했다면, 정확한 오류 메시지, 실행한 명령, 대상 resource를 그대로 붙여 넣으세요. 이것이 hf-cli for Backend Development 작업을 빠르게 개선하는 가장 좋은 방법입니다. 다음 답변에서 flags, auth 상태, path 가정, Hub 권한을 추측이 아니라 실제 정보에 맞춰 바로잡을 수 있기 때문입니다.