跳到正文
cccskills
免费在 GitHub 公开中文介绍

huggingface-hub

使用hf命令查找、下载和上传Hugging Face Hub上的模型与数据集,并管理仓库、运行环境和本地缓存,支持通过JSON输出实现自动化。

原文查看原文说明

HuggingFace hf CLI: search/download/upload models, datasets.

集成工具Hugging Face
AI 评分70分/ 100查看安装方法

适用场景

  • 查找并下载模型或数据集
  • 将本地文件上传到Hub
  • 创建仓库并管理分支和标签
  • 检查并清理本地缓存
  • 部署和管理Inference Endpoints

中文介绍

功能

使用命令行工具hf查找、下载和上传Hugging Face Hub上的模型与数据集。支持创建、复制和迁移仓库,管理分支与标签,以及检查和清理本地缓存。还介绍了用SQL查询数据集,以及管理用于模型推理的Inference Endpoints、执行计算任务的Jobs和发布应用的Spaces。

适用场景

适合获取所需模型或数据,或将本地文件发布到Hub。也可用于切换多个访问令牌、整理存储空间,以及利用JSON格式输出实现工作自动化。

使用示例

  • “查找符合这些条件的模型,然后下载我指定的模型。”
  • “将这个文件夹上传到指定仓库。”
  • “检查本地缓存,清理不再需要的修订版本。”

注意事项

需要安装hf。推荐通过HF_TOKEN环境变量或--token参数进行身份验证。huggingface-cli已弃用,应使用hf。操作中包含永久删除仓库,执行前应确认具体命令及其目标。

本介绍由 AI(OpenAI Codex)根据公开的 SKILL.md 撰写。准确的规格请查看下方原文。

客观评估

AI 仅根据 SKILL.md 的内容,从 4 个方面进行了评估。星标数和热度不计入评估。

指令清晰度能否看出何时使用、做什么
A良好按用途整理hf命令,涵盖模型下载、上传和缓存管理。
步骤具体性步骤、输入输出和示例是否具体
B部分不足提供命令和JSON输出参数,但许多操作缺少参数说明或执行示例。
安全性发送数据、删除文件、执行命令等是否有说明
C需确认列出永久删除仓库和向外部上传的操作,但未提供执行前确认步骤。
安装难易度所需工具和 API 密钥是否少且有说明
A良好提供hf安装命令,以及通过HF_TOKEN或--token进行身份验证的方法。

总分按每项 A=25 分、B=15 分、C=5 分相加。 由 AI(OpenAI Codex)于 2026年10月20日 评估。仅供参考,安装前请同时查看原文。

如果您认为评估有误,请申请复核

请写明哪一项有误以及原因。无需登录。我们会对照 SKILL.md 重新评估,并在此处更新结果。

此表单受 reCAPTCHA 保护,适用 Google 的隐私权政策和服务条款。

包含的文件(1)

  • SKILL.md3.6 KB

SKILL.md(原文)

安装前可以查看交给 AI 代理的指令内容。

Hugging Face CLI (hf) Reference Guide

The hf command is the modern command-line interface for interacting with the Hugging Face Hub, providing tools to manage repositories, models, datasets, and Spaces.

IMPORTANT: The hf command replaces the now deprecated huggingface-cli command.

Quick Start

  • Installation: curl -LsSf https://hf.co/cli/install.sh | bash -s
  • Help: Use hf --help to view all available functions and real-world examples.
  • Authentication: Recommended via HF_TOKEN environment variable or the --token flag.

Core Commands

General Operations

  • hf download REPO_ID: Download files from the Hub.
  • hf upload REPO_ID: Upload files/folders (recommended for single-commit; also handles resumable uploads of large directories).
  • hf upload-large-folder REPO_ID LOCAL_PATH: [Deprecated] — use hf upload instead.
  • hf sync: Sync files between a local directory and a bucket.
  • hf env / hf version: View environment and version details.

Authentication (hf auth)

  • login / logout: Manage sessions using tokens from huggingface.co/settings/tokens.
  • list / switch: Manage and toggle between multiple stored access tokens.
  • whoami: Identify the currently logged-in account.

Repository Management (hf repos)

  • create / delete: Create or permanently remove repositories.
  • duplicate: Clone a model, dataset, or Space to a new ID.
  • move: Transfer a repository between namespaces.
  • branch / tag: Manage Git-like references.
  • delete-files: Remove specific files using patterns.

Specialized Hub Interactions

Datasets & Models

  • Datasets: hf datasets list, info, and parquet (list parquet URLs).
  • SQL Queries: hf datasets sql SQL — Execute raw SQL via DuckDB against dataset parquet URLs.
  • Models: hf models list and info.
  • Papers: hf papers ls — View daily papers.

Discussions & Pull Requests (hf discussions)

  • Manage the lifecycle of Hub contributions: list, create, info, comment, close, reopen, and rename.
  • diff: View changes in a PR.
  • merge: Finalize pull requests.

Infrastructure & Compute

  • Endpoints: Deploy and manage Inference Endpoints (deploy, pause, resume, scale-to-zero, catalog).
  • Jobs: Run compute tasks on HF infrastructure. Includes hf jobs uv for running Python scripts with inline dependencies and stats for resource monitoring.
  • Spaces: Manage interactive apps. Includes dev-mode and hot-reload for Python files without full restarts.

Storage & Automation

  • Buckets: Full S3-like bucket management (create, cp, mv, rm, sync).
  • Cache: Manage local storage with list, prune (remove detached revisions), and verify (checksum checks).
  • Webhooks: Automate workflows by managing Hub webhooks (create, watch, enable/disable).
  • Collections: Organize Hub items into collections (add-item, update, list).

Advanced Usage & Tips

Global Flags

  • --format json: Produces machine-readable output for automation.
  • -q / --quiet: Limits output to IDs only.

Extensions & Skills

  • Extensions: Extend CLI functionality via GitHub repositories using hf extensions install REPO_ID.
  • Skills: Manage AI assistant skills with hf skills add.

评价

还没有评价。欢迎分享你的使用感受。

评论

无需登录即可发表。欢迎分享使用感受、提问,或说明在哪些环境下无法运行。

还没有评论。来写第一条吧。

提交后会立即公开。请勿填写邮箱、电话等个人信息。URL 最多 2 个。

0 / 1000 字

此表单受 reCAPTCHA 保护,适用 Google 的隐私权政策和服务条款。

同一仓库的技能

1password

免费有简介AI 评分 100分

通过1Password CLI,将保存的密码和API密钥用于命令及配置模板,完成安装、认证、秘密值读取,并通过环境变量向命令传递凭据。

  • 安装并配置1Password CLI
  • 使用已保存的API密钥运行命令
  • 向配置模板填入秘密值
NousResearch/hermes-agent25.6万2026年10月20日 更新

3-statement-model

免费有简介AI 评分 90分

创建用公式联动利润表、资产负债表和现金流量表的 Excel 模型,分阶段填入历史实际数据与预测假设,比较不同情景,并检查三张报表之间的一致性。

  • 向财务模板填入历史实际数据
  • 建立三张财务报表联动的预测
  • 比较基准、乐观和悲观情景
NousResearch/hermes-agent25.6万2026年10月20日 更新

accelerate

免费有简介AI 评分 80分

以少量修改让现有PyTorch训练代码适用于多GPU或多台机器,指导混合精度、节省内存的DeepSpeed与FSDP配置,以及训练启动方法。

  • 将单GPU训练迁移至多GPU
  • 配置混合精度训练
  • 通过DeepSpeed或FSDP节省内存
NousResearch/hermes-agent25.6万2026年10月20日 更新

actual-setup

免费有简介AI 评分 100分

帮助配置Hermes,通过Actual Computer在自己的设备上运行AI模型。支持加密中继与本地连接,涵盖模型选择、响应测试,以及请求报错或空响应的排查。

  • 使用Actual密钥连接Hermes
  • 在本地设备上运行模型
  • 查找、下载并加载本地模型
NousResearch/hermes-agent25.6万2026年10月20日 更新

adversarial-ux-test

免费有简介AI 评分 80分

扮演不擅长技术、容易不满的用户测试应用,发现难懂的操作和导致放弃使用的障碍。将实际可改进的问题与个人抱怨分开,整理截图、修复建议和任务单。

  • 在发布或演示前检查易用性
  • 检查新用户的使用体验
  • 查找注册和付费流程中的障碍
NousResearch/hermes-agent25.6万2026年10月20日 更新

agent-merge-conflict-arbiter

免费有简介AI 评分 100分

从中立立场解决两个智能体分别修改代码产生的Git冲突,对照双方差异和意图,记录每处冲突的取舍理由,并通过构建或测试验证合并结果。

  • 解决两个智能体的分支冲突
  • 整合并行工作树中的修改
  • 核对冲突设计决策的理由
NousResearch/hermes-agent25.6万2026年10月20日 更新

查看 NousResearch 的全部技能

报告此技能的问题