跳到主要内容

Huggingface Hub

Hugging Face Hub CLI (hf) — 搜索、下载和上传模型及数据集，管理仓库，使用 SQL 查询数据集，部署推理端点，管理 Spaces 和存储桶。

技能元数据​

来源捆绑（默认安装）
路径skills/mlops/huggingface-hub
版本1.0.0
作者Hugging Face
许可证MIT

参考：完整 SKILL.md​

信息

以下是 Hermes 在触发此技能时加载的完整技能定义。这是技能激活时代理看到的指令。

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，提供了管理仓库、模型、数据集和 Spaces 的工具。

重要提示： hf 命令取代了现已弃用的 huggingface-cli 命令。

快速入门​

  • 安装： curl -LsSf https://hf.co/cli/install.sh | bash -s
  • 帮助： 使用 hf --help 查看所有可用功能和实际示例。
  • 身份验证： 推荐通过 HF_TOKEN 环境变量或 --token 标志进行。

核心命令​

常规操作​

  • 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：在本地目录和存储桶之间同步文件。
  • hf env / hf version：查看环境和版本详情。

身份验证 (hf auth)​

  • login / logout：使用来自 huggingface.co/settings/tokens 的令牌管理会话。
  • list / switch：管理和切换多个存储的访问令牌。
  • whoami：识别当前登录的账户。

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 克隆到新的 ID。
  • move：在命名空间之间转移仓库。
  • branch / tag：管理类 Git 引用。
  • delete-files：使用模式删除特定文件。

专用 Hub 交互​

数据集与模型​

  • 数据集： hf datasets list、info 和 parquet（列出 parquet URL）。
  • SQL 查询： hf datasets sql SQL — 通过 DuckDB 针对数据集 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。

讨论与拉取请求 (hf discussions)​

  • 管理 Hub 贡献的生命周期：list、create、info、comment、close、reopen 和 rename。
  • diff：查看 PR 中的更改。
  • merge：完成拉取请求。

基础设施与计算​

  • 端点： 部署和管理推理端点（deploy、pause、resume、scale-to-zero、catalog）。
  • 作业： 在 HF 基础设施上运行计算任务。包括 hf jobs uv（用于运行带有内联依赖项的 Python 脚本）和 stats（用于资源监控）。
  • Spaces： 管理交互式应用。包括针对 Python 文件的 dev-mode 和 hot-reload，无需完全重启。

存储与自动化​

  • 存储桶： 完整的类 S3 存储桶管理（create、cp、mv、rm、sync）。
  • 缓存： 使用 list、prune（删除分离的修订版）和 verify（校验和检查）管理本地存储。
  • Webhooks： 通过管理 Hub webhooks（create、watch、enable/disable）自动化工作流。
  • 集合： 将 Hub 项目组织到集合中（add-item、update、list）。

高级用法与技巧​

全局标志​

  • --format json：生成机器可读的输出以用于自动化。
  • -q / --quiet：仅输出 ID。

扩展与技能​

  • 扩展： 使用 hf extensions install REPO_ID 通过 GitHub 仓库扩展 CLI 功能。
  • 技能： 使用 hf skills add 管理 AI 助手技能。