Huggingface

hugging-science 技能可帮助你从 Hugging Science 目录和 `hugging-science` 这个 Hugging Face 组织中查找并使用科学 AI 资源。它适用于生物学、化学、气候、基因组学、材料、天文学以及类似场景，尤其是在你需要一个可以真正运行或引用的数据集、模型、Space 或博客文章时。请在 hugging-science 的使用与 hugging-science 指南工作流中使用它，而不是只靠通用搜索。

使用 transformers-js 在浏览器和服务器运行时的 JavaScript 和 TypeScript 中运行 ML 模型。transformers-js 技能涵盖安装、模型加载、缓存、配置，以及面向文本、视觉、音频和多模态任务的实用 transformers-js 用法，还包括在受支持的 text-generation 模型上用于代码生成的 transformers-js。

huggingface-vision-trainer 帮你安装并使用一个用于视觉训练任务的 Hugging Face 技能：目标检测、图像分类以及 SAM/SAM2 分割。内容涵盖数据集准备、云端 GPU 配置、评估、Trackio 日志记录和结果推送到 Hub。适合后端自动化和可重复的训练工作流。

huggingface-tool-builder 技能可帮助你为 Hugging Face API 工作创建可复用的命令行工具，而不是一次性提示词。它适用于链式 API 调用、中间处理、可重复的抓取/增强步骤，以及使用 shell、Python 或 TSX 的 API 开发工作流。

huggingface-trackio 可借助 Trackio 跟踪 ML 训练运行。使用此技能可从 Python 记录指标、添加训练告警，并通过 trackio CLI 检索或分析运行记录。它支持实时仪表盘、Hugging Face Space 同步以及用于自动化的 JSON 输出，因此 huggingface-trackio 很适合实验跟踪和数据分析。

huggingface-papers 可帮助你以 markdown 形式阅读 Hugging Face 论文页面，并从 papers API 中提取结构化元数据，包括作者、关联模型、数据集、Spaces、GitHub 仓库和项目页面。适用于 Hugging Face 论文 URL、arXiv URL 或 ID，以及需要论文页面证据的 Academic Research 工作流。

huggingface-paper-publisher 可帮助你在 Hugging Face Hub 上发布和管理研究论文。可用于索引 arXiv 论文、将论文关联到模型或数据集、验证作者归属，并使用技术写作模板创建 Markdown 研究文章。

huggingface-llm-trainer 可帮助你在 Hugging Face Jobs 上使用 TRL 或 Unsloth 训练或微调语言模型和视觉模型。这个 huggingface-llm-trainer 技能适用于 SFT、DPO、GRPO、奖励模型训练、数据集检查、GPU 选择、Hub 保存、Trackio 监控，以及面向后端开发工作流的 GGUF 导出。

huggingface-local-models 帮你找到可在本地通过 llama.cpp 和 GGUF 运行的 Hugging Face 模型，选择合适的量化版本，并在 CPU、Apple Metal、CUDA 或 ROCm 上启动。内容涵盖模型发现、精确的 GGUF 文件定位、server 与 CLI 的配置，以及面向后端开发和私有本地推理的快速路径。

huggingface-community-evals 可帮助你在本地使用 inspect-ai 或 lighteval 运行 Hugging Face Hub 模型评测。适合做后端选择、冒烟测试，以及了解 vLLM、Transformers 或 accelerate 的实用选型指引。不适用于 HF Jobs 编排、model-card PR、.eval_results 发布或 community-evals 自动化。

在 Hugging Face Dataset Viewer API 工作流中使用 huggingface-datasets 技能，用于校验数据集、解析 splits、预览和分页行、搜索文本、应用过滤器，以及获取 parquet 链接或统计信息。它是一份面向只读数据集探索的实用 huggingface-datasets 指南。

huggingface-best 技能通过查看 Hugging Face 基准排行榜，并结合设备限制和模型大小进行筛选，帮助你为具体任务找到最合适的模型。适用于编码、推理、聊天、OCR、RAG、语音、视觉或多模态场景下的模型推荐，尤其是在你需要一份实用的候选清单，而不是泛泛的模型列表时。

huggingface-gradio 帮你用 Python 构建和编辑 Gradio Web UI，适用于演示、聊天机器人和前端开发工作流。使用 huggingface-gradio 技能，可以更少猜测地选择组件、串联事件并设计布局。

hf-cli 技能可帮助你使用 Hugging Face Hub CLI (`hf`) 完成认证、下载、上传、仓库和 bucket 管理、数据集与模型查看，以及其他 Hub 工作流。它适合需要可重复、可脚本化的 hf-cli 使用方式，并希望获得一份实用 hf-cli 指南的 Backend Development 团队。

transformers 技能可帮助你使用 Hugging Face Transformers 进行模型加载、推理、分词和微调。它是一份面向 Machine Learning 任务的实用 transformers 指南，覆盖文本、视觉、音频和多模态工作流，并为快速基线和自定义训练提供清晰路径。