Huggingface Hub
HuggingFace hf CLI:搜索/下载/上传模型、数据集。
Skill 元数据
| 来源 | 内置(默认安装) |
| 路径 | skills/mlops/huggingface-hub |
| 版本 | 1.0.0 |
| 作者 | Hugging Face |
| 许可证 | MIT |
| 平台 | linux, macos, windows |
参考:完整 SKILL.md
信息
以下是 AigenLabs 在触发此 skill 时加载的完整 skill 定义。这是 skill 激活时 agent 所看到的指令内容。
Hugging Face CLI(hf)参考指南
hf 命令是与 Hugging Face Hub 交互的现代命令行界面,提供管理仓库、模型、数据集和 Spaces 的工具。
重要:
hf命令取代了现已弃用的huggingface-cli命令。
快速开始
- 安装:
curl -LsSf https://hf.co/cli/install.sh | bash -s - 帮助: 使用
hf --help查看所有可用功能及实际示例。 - 认证: 推荐通过
HF_TOKEN环境变量或--token标志进行认证。
核心命令
通用操作
hf download REPO_ID:从 Hub 下载文件。hf upload REPO_ID:上传文件/文件夹(推荐用于单次提交)。hf upload-large-folder REPO_ID LOCAL_PATH:推荐用于大型目录的可恢复上传。hf sync:在本地目录与存储桶之间同步文件。hf env/hf version:查看环境和版本详情。
认证(hf auth)
login/logout:使用来自 huggingface.co/settings/tokens 的 token 管理会话。list/switch:管理并切换多个已存储的访问 token。whoami:查看当前登录账户。
仓库管理(hf repos)
create/delete:创建或永久删除仓库。duplicate:将模型、数据集或 Space 克隆到新 ID。move:在命名空间之间迁移仓库。branch/tag:管理类 Git 引用。delete-files:使用模式匹配删除特定文件。
专项 Hub 交互
数据集与模型
- 数据集:
hf datasets list、info以及parquet(列出 parquet URL)。 - SQL 查询:
hf datasets sql SQL— 通过 DuckDB 对数据集 parquet URL 执行原始 SQL。 - 模型:
hf models list和info。 - 论文:
hf papers list— 查看每日论文。
讨论与 Pull Request(hf discussions)
- 管理 Hub 贡献的完整生命周期:
list、create、info、comment、close、reopen和rename。 diff:查看 PR 中的变更。merge:完成 pull request 合并。
基础设施与计算
- Endpoints: 部署和管理推理端点(
deploy、pause、resume、scale-to-zero、catalog)。 - Jobs: 在 HF 基础设施上运行计算任务。包括
hf jobs uv(用于运行带内联依赖的 Python 脚本)和stats(用于资源监控)。 - Spaces: 管理交互式应用。包括
dev-mode和hot-reload,可在不完全重启的情况下热更新 Python 文件。
存储与自动化
- Buckets: 完整的类 S3 存储桶管理(
create、cp、mv、rm、sync)。 - Cache(缓存): 使用
list、prune(删除已分离的修订版本)和verify(校验和检查)管理本地存储。 - Webhooks: 通过管理 Hub webhook(
create、watch、enable/disable)自动化工作流。 - Collections: 将 Hub 条目整理到集合中(
add-item、update、list)。
高级用法与技巧
全局标志
--format json:生成适合自动化的机器可读输出。-q/--quiet:将输出限制为仅显示 ID。
扩展与 Skills
- 扩展: 通过 GitHub 仓库使用
hf extensions install REPO_ID扩展 CLI 功能。 - Skills: 使用
hf skills add管理 AI 助手 skill。