Huggingface

hugging-science 技能可協助你從 Hugging Science 目錄與 `hugging-science` Hugging Face 組織中，找到並使用科學 AI 資源。當你需要能實際執行或引用的資料集、模型、Space 或部落格文章時，它很適合生物、化學、氣候、基因體學、材料、天文學等相關工作。若你的需求是 hugging-science 的使用方式與 hugging-science 指南流程，而不是泛用搜尋，這個技能會更對題。

使用 transformers-js 在瀏覽器與伺服器執行環境中，以 JavaScript 和 TypeScript 執行 ML 模型。這個 transformers-js 技能涵蓋安裝、模型載入、快取、設定，以及針對文字、影像、音訊、多模態任務的實際 transformers-js 用法，也包括搭配支援的 text-generation 模型進行 Code Generation 的 transformers-js。

huggingface-vision-trainer 可協助你安裝並使用一套 Hugging Face 視覺訓練技能，支援物件偵測、影像分類，以及 SAM/SAM2 分割等訓練工作。內容涵蓋資料集準備、雲端 GPU 環境設定、評估、Trackio 記錄與將結果推送到 Hub。很適合後端自動化與可重複的訓練流程。

huggingface-tool-builder skill 可協助你建立可重複使用的命令列工具，用於 Hugging Face API 工作，而不是一次性的提示詞。它適合串接 API 呼叫、中間處理、可重複的擷取／補強步驟，以及結合 shell、Python 或 TSX 的 API 開發流程。

huggingface-trackio 可搭配 Trackio 追蹤 ML 訓練執行。這個技能可用來從 Python 記錄指標、加入訓練告警，並透過 trackio CLI 擷取或分析 runs。它支援即時儀表板、Hugging Face Space 同步，以及供自動化使用的 JSON 輸出，因此很適合用於實驗追蹤與資料分析。

huggingface-papers 可協助你以 markdown 方式閱讀 Hugging Face 論文頁面，並從 papers API 擷取結構化中繼資料，包括作者、連結的模型、資料集、Spaces、GitHub repo 與專案頁面。適合用於 Hugging Face 論文網址、arXiv 網址或 ID，以及需要論文頁面佐證的學術研究工作流程。

huggingface-paper-publisher 可用來在 Hugging Face Hub 上發佈與管理研究論文。可用來建立 arXiv 論文索引、將論文連結到模型或資料集、驗證作者資訊，並使用技術寫作範本建立 markdown 研究文章。

huggingface-llm-trainer 可協助你在 Hugging Face Jobs 上使用 TRL 或 Unsloth 訓練或微調語言與視覺模型。這個 huggingface-llm-trainer 技能適用於 SFT、DPO、GRPO、reward modeling、資料集檢查、GPU 選擇、Hub 儲存、Trackio 監控，以及供後端開發流程使用的 GGUF 匯出。

huggingface-local-models 協助你找出可搭配 llama.cpp 與 GGUF 在本機執行的 Hugging Face 模型，挑選實用的量化版本，並在 CPU、Apple Metal、CUDA 或 ROCm 上啟動。內容涵蓋模型搜尋、精確的 GGUF 檔案查找、server 與 CLI 設定，以及適合後端開發與私有本機推論的快速路徑。

huggingface-community-evals 可協助你在本機使用 inspect-ai 或 lighteval 執行 Hugging Face Hub 模型評測。適合用於後端選擇、冒煙測試，以及了解 vLLM、Transformers 或 accelerate 的實作指南。不適用於 HF Jobs 協調、model-card PR、.eval_results 發佈，或 community-evals 自動化。

使用 huggingface-datasets 技能來處理 Hugging Face Dataset Viewer API 工作流程：驗證資料集、解析 splits、預覽與分頁列資料、搜尋文字、套用篩選條件，並取得 parquet 連結或統計資訊。這是一份實用的 huggingface-datasets 指南，適合只讀的資料集探索。

huggingface-best 技能可透過檢查 Hugging Face 基準排行榜，並依裝置限制與模型大小篩選，幫你找到某項任務的最佳模型。當你需要的是實用的候選清單，而不是泛用模型列表時，它很適合用在程式撰寫、推理、聊天、OCR、RAG、語音、視覺或多模態工作上的模型推薦。

huggingface-gradio 可協助你用 Python 建立與編輯 Gradio Web UI，適合 demo、chatbot 與前端開發流程。使用 huggingface-gradio 技能來挑選元件、串接事件，並更有把握地規劃版面配置。

hf-cli 技能可協助你使用 Hugging Face Hub CLI（`hf`）完成驗證、下載、上傳、repo 與 bucket 管理、資料集與模型檢視，以及其他 Hub 工作流程。對於希望以可重複、可腳本化方式使用 hf-cli，並需要一份實用 hf-cli 指南的 Backend Development 團隊特別有幫助。

這個 transformers 技能可協助你使用 Hugging Face Transformers 進行模型載入、推論、tokenization 與 fine-tuning。它是一份實用的 transformers 指南，適用於 Machine Learning 工作，涵蓋文字、視覺、音訊與多模態流程，並提供從快速 baseline 到自訂訓練的清楚路徑。