skills

Umarmung Gesicht Fähigkeiten Hugging Face Skills sind Definitionen für AI/ML-Aufgaben wie Datensatzerstellung, Modellschulung und Auswertung. Die Client-Plugin-Marktplätze stellen die `hf-cli`-Fertigkeit als Bootstrap-Pfad für Kern-Hub-Operationen zur Verfügung; zusätzliche Workflow-Fertigkeiten können bei Bedarf mit `hf skills add <skill-name> installiert oder von skill-bewussten Clients über CLI/MCP-Integrationen entdeckt werden. Die Skills in diesem Repository folgen dem standardisierten Agent Skills Format. > [!NOTE] > ** Möchten Sie Ihrem Agenten nur Zugriff auf den Hugging Face Hub geben?** Beginnen Sie mit "hf-cli". Es ist die empfohlene erste Fertigkeit zu installieren: Es lehrt Ihren Agenten jeden "hf" -Befehl (Modelle suchen, Datensätze und Buckets verwalten, Spaces starten, Jobs ausführen) und wird von Ihrer lokal installierten CLI generiert, so dass es aktuell bleibt. Wie funktionieren Skills? In der Praxis sind Fähigkeiten in sich geschlossene Ordner, die Anweisungen, Skripte und Ressourcen für einen KI-Agenten in einem bestimmten Anwendungsfall zusammenfassen. Jeder Ordner enthält eine Datei "SKILL.md" mit YAML-Frontmatter (Name und Beschreibung), gefolgt von der Anleitung, der Ihr Codierungsagent folgt, während der Skill aktiv ist. > [!TIP] Wenn Ihr Agent keine Fähigkeiten unterstützt, können Sie `agentsmd/AGENTS.md` direkt als Fallback verwenden. Die `hf-cli` Fertigkeit in diesem Repository ist auch verfügbar durch: Cursor Marketplace (https://cursor.com/marketplace/huggingface) Codex Plugins Directory (https://developers.openai.com/codex/plugins) Installation Hugging Face Fähigkeiten sind kompatibel mit Claude Code, Codex, Gemini CLI und Cursor. Claude Code 1. Registrieren Sie das Repository als Plugin-Marktplatz: 2. Installieren Sie den CLI Skill: 3. Um eine andere Hugging Face Fertigkeit zu installieren, verwenden Sie die `hf` CLI: Codex 1. Kopieren oder symlinken Sie alle Fähigkeiten, die Sie aus dem Verzeichnis "skills/" dieses Repositorys verwenden möchten, in einen der Codex-Standardstandorte ".agents/skills" (z. B. "$REPO ROOT/.agents/skills" oder "$HOME/.agents/skills"), wie im Codex Skills Guide beschrieben. 2. Sobald eine Fertigkeit an einem dieser Orte verfügbar ist, wird der Codex sie mit dem Agent Skills-Standard entdecken und die Anweisungen "SKILL.md" laden, wenn er sich entscheidet, diese Fertigkeit zu verwenden oder wenn Sie sie explizit aufrufen. 3. Wenn Ihr Codex-Setup immer noch auf `AGENTS.md` basiert, können Sie die generierte `agentsmd/AGENTS.md`-Datei in diesem Repo als Fallback-Anweisungspaket verwenden. Gemini CLI 1. Dieses Repo enthält `gemini-extension.json` zur Integration mit dem Gemini CLI. 2. Lokal installieren: oder die GitHub URL verwenden: 4. Siehe Gemini CLI Extensions Docs für weitere Hilfe. Cursor Dieses Repository enthält Cursor Plugin manifestiert: - `.cursor-plugin/plugin.json` - `.mcp.json` (konfiguriert mit der Hugging Face MCP Server URL) Installieren Sie die URL (oder den lokalen Checkout) über den Cursor-Plugin-Flow. Der Marktplatzeintrag ist absichtlich auf "hf-cli" beschränkt; verwenden Sie "hf skills add <skill-name>", um zusätzliche Workflow-Fähigkeiten zu installieren. Für Mitwirkende regenerieren Sie Manifeste mit: Fähigkeiten Dieses Repository enthält einige Fähigkeiten, um Ihnen den Einstieg zu erleichtern. Sie können auch Ihre eigenen Fähigkeiten in das Repository einbringen. Verfügbare Fähigkeiten <!-- Diese Tabelle wird automatisch von scripts/generate agents.py generiert. Bearbeiten Sie nicht manuell. --> <!-- BEGIN SKILLS TABLE --> | Name | Beschreibung | Dokumentation | |--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- Hugging Face Hub CLI ("hf") zum Herunterladen, Hochladen und Verwalten von Modellen, Datensätzen, Leerzeichen, Buckets, Repos, Papieren, Jobs und mehr auf dem Hugging Face Hub. | SKILL.md | | `hf-cloud-aws-context-discovery` | Entdecken Sie den lokalen AWS-Kontext des Benutzers (aktives Profil, Region, Konto-ID, Anrufer-Identität) zu Beginn einer beliebigen AWS-Task. | SKILL.md | | `hf-cloud-python-env-setup` | Richten Sie eine isolierte Python-Umgebung für SageMaker / AWS-Arbeit mit der richtigen Python-Version und dem aktuellen Boto3 ein. | SKILL.md | | `hf-cloud-sagemaker-deployment-planner` | Planen und koordinieren Sie die Bereitstellung eines Modells für Amazon SageMaker AI. | SKILL.md | | `hf-cloud-sagemaker-iam-preflight` | Stellen Sie sicher, dass eine benutzbare SageMaker-Ausführungsrolle vorhanden ist, bevor Sie sie bereitstellen oder trainieren. | SKILL.md | | `hf-cloud-sagemaker-production-defaults` | Erstellen Sie einen SageMaker-Endpunkt (Echtzeit, Echtzeit-Skalierung auf Null oder async) mit automatischer Skalierung, CloudWatch-Alarm und standardmäßig aktiviertem Tagging. | SKILL.md | | `hf-cloud-serving-image-selection` | Wählen Sie den richtigen Serving-Container für eine SageMaker-Modellbereitstellung und finden Sie die aktuelle Image-URI. | SKILL.md | Hugging Face CLI, um den erforderlichen Speicher zum Laden von Safetensors oder GGUF-Modellgewichten zu schätzen