Huggingface

A skill hugging-science ajuda você a encontrar e usar recursos de IA científica no catálogo Hugging Science e na organização `hugging-science` do Hugging Face. Ela é indicada para biologia, química, clima, genômica, materiais, astronomia e trabalhos semelhantes quando você precisa de um dataset, modelo, Space ou post de blog que realmente possa executar ou citar. Use-a para fluxos de uso do hugging-science e do guia hugging-science em vez de uma busca genérica.

Use transformers-js para executar modelos de ML em JavaScript e TypeScript no navegador e em runtimes de servidor. A skill transformers-js cobre instalação, carregamento de modelos, cache, configuração e uso prático do transformers-js para tarefas de texto, visão, áudio, multimodais e geração de código com modelos de text-generation compatíveis.

A skill huggingface-vision-trainer ajuda você a instalar e usar uma skill do Hugging Face para jobs de treinamento em visão: detecção de objetos, classificação de imagens e segmentação com SAM/SAM2. Cobre preparação de datasets, configuração de GPU na nuvem, avaliação, logging com Trackio e envio dos resultados para o Hub. É ideal para automação de backend e fluxos de treinamento repetíveis.

O skill huggingface-tool-builder ajuda você a criar ferramentas de linha de comando reutilizáveis para trabalhar com a API do Hugging Face, em vez de depender de prompts pontuais. Ele é útil para chamadas de API em cadeia, processamento intermediário, etapas repetíveis de busca e enriquecimento, e fluxos de trabalho de desenvolvimento de API com shell, Python ou TSX.

huggingface-trackio ajuda a acompanhar execuções de treinamento de ML com Trackio. Use esta skill para registrar métricas a partir do Python, adicionar alertas de treinamento e recuperar ou analisar execuções com o CLI do trackio. Ela oferece suporte a dashboards em tempo real, sincronização com Hugging Face Space e saída em JSON para automação, tornando o huggingface-trackio útil para acompanhamento de experimentos e análise de dados.

O huggingface-papers ajuda você a ler páginas de paper do Hugging Face em markdown e extrair metadados estruturados da API de papers, incluindo autores, modelos vinculados, datasets, Spaces, repositórios GitHub e páginas de projeto. Use-o para URLs de paper do Hugging Face, URLs ou IDs do arXiv e fluxos de trabalho de Academic Research que precisem de evidências da página do paper.

O huggingface-paper-publisher ajuda a publicar e gerenciar artigos de pesquisa no Hugging Face Hub. Use-o para indexar artigos do arXiv, vincular papers a modelos ou datasets, verificar autoria e criar artigos em Markdown com templates para redação técnica.

huggingface-llm-trainer ajuda você a treinar ou fazer fine-tuning de modelos de linguagem e visão no Hugging Face Jobs com TRL ou Unsloth. Use esta skill huggingface-llm-trainer para SFT, DPO, GRPO, reward modeling, validação de datasets, escolha de GPU, salvamento no Hub, monitoramento com Trackio e exportação para GGUF em fluxos de trabalho de desenvolvimento de backend.

huggingface-local-models ajuda você a encontrar modelos do Hugging Face que rodam localmente com llama.cpp e GGUF, escolher uma quantização prática e iniciar em CPU, Apple Metal, CUDA ou ROCm. O guia cobre descoberta de modelos, localização exata do arquivo GGUF, configuração para server ou CLI e um caminho rápido para desenvolvimento de backend e inferência local privada.

O huggingface-community-evals ajuda você a executar localmente avaliações de modelos do Hugging Face Hub com inspect-ai ou lighteval. Use-o para escolher o backend, fazer smoke tests e consultar um guia prático de vLLM, Transformers ou accelerate. Não é para orquestração de HF Jobs, PRs de model card, publicação de .eval_results ou automação de community-evals.

Use a skill huggingface-datasets para fluxos de trabalho da API do Dataset Viewer do Hugging Face: validar datasets, resolver splits, pré-visualizar e paginar linhas, buscar texto, aplicar filtros e obter links de parquet ou estatísticas. É um guia prático de huggingface-datasets para exploração somente leitura de datasets.

A skill huggingface-best ajuda você a encontrar o melhor modelo para uma tarefa, consultando rankings de benchmark do Hugging Face e filtrando por limites de dispositivo e tamanho do modelo. Use quando precisar de recomendações de modelos para coding, reasoning, chat, OCR, RAG, speech, vision ou trabalho multimodal, e quiser uma shortlist prática em vez de uma lista genérica de modelos.

huggingface-gradio ajuda você a criar e editar interfaces web do Gradio em Python para demos, chatbots e fluxos de trabalho de frontend. Use o skill huggingface-gradio para escolher componentes, conectar eventos e estruturar layouts com menos tentativa e erro.

A skill hf-cli ajuda você a usar o Hugging Face Hub CLI (`hf`) para autenticação, downloads, uploads, gerenciamento de repositórios e buckets, inspeção de datasets e modelos e outros fluxos do Hub. É útil para equipes de Backend Development que querem um uso reproduzível e scriptável do hf-cli, além de um guia prático de hf-cli.

A skill transformers ajuda você a usar o Hugging Face Transformers para carregamento de modelos, inferência, tokenização e fine-tuning. É um guia prático de transformers para tarefas de Machine Learning em fluxos de texto, visão, áudio e multimodais, com caminhos claros para partir de baselines rápidas ou treinamento personalizado.