skills

抱擁の顔のスキル ヒューギング・フェイス・スキルは、データセット作成、モデル・トレーニング、評価などのAI/MLタスクの定義です。 クライアントプラグインは、コアハブ操作のブートストラップパスとして、`hf-cli` スキルを公開します。追加のワークフロースキルは、`hf スキルが <skill-name>` を追加したり、CLI/MCP 統合を超えるスキルアウェアクライアントによって発見されたりすることで、要求に応じてインストールできます。 このリポジトリのスキルは、標準化されたエージェントスキルの形式に従います。 > [!NOTE] >**ハッギングフェイスハブへのアクセスをエージェントにしたいですか?** `hf-cli` で起動します。 インストールするのが推奨される最初のスキルです: エージェントにすべての `hf` コマンド (検索モデル、データセットと Bucket の管理、スペースの起動、ジョブの実行) を教え、ローカルにインストールされている CLI から生成されるので、現在の状態に保ちます。 スキルはどのように機能しますか? 実際には、スキルは、特定のユースケースで使用するAIエージェントの指示、スクリプト、およびリソースをパッケージ化する自己完結フォルダです。 各フォルダーには、YAML のフロントマッター (名前と説明) の `SKILL.md` ファイルが含まれており、スキルが有効である間、コーディングエージェントがフォローしているガイダンスが続きます。 > [!TIP] > エージェントがスキルをサポートしていない場合は、 `agentsmd/AGENTS.md` をフォールバックとして直接使用できます。 このリポジトリの `hf-cli` スキルも利用できます。 ・カーサーマーケットプレイス(https://cursor.com/marketplace/huggingface) - Codexプラグインディレクトリ(https://developers.openai.com/codex/plugins) インストール Claudeコード、Codex、Gemini CLI、およびCursorとハッギングフェイススキルが互換性があります。 クロードコード 1. プラグインのマーケットプレースとしてリポジトリを登録します。 2. CLI スキルをインストールします。 3。 別のハッギングフェイススキルをインストールするには、`hf` CLI: コードx 1. このリポジトリの `skills/` ディレクトリから、Codex の標準的な `.agents/skills` の場所 (例えば、`$REPO ROOT/.agents/skills` または `$HOME/.agents/skills` ) の 1 つに使用したいスキルをコピーまたは交互にリンクします。 2。 これらの場所のいずれかでスキルが利用可能になったら、Codexはエージェントスキル標準を使用してそれを発見し、そのスキルを使用するか、明示的にそれを呼び出すときの`SKILL.md`指示を読みます。 3。 Codex のセットアップがまだ `AGENTS.md` に依存している場合は、このリポジトリの生成された `agentsmd/AGENTS.md` ファイルを指示のフォールバックバンドルとして使用できます。 ジェミニ クリップ 1。 このリポジトリには、Gemini CLIと統合するために `gemini-extension.json` が含まれています。 2. ローカルに取付けて下さい: GitHub URL を使うか、 4. 詳細については、Gemini CLI拡張ドキュメントを参照してください。 カーソル このリポジトリには、Cursorプラグインマニフェストが含まれます。 - `.cursor-plugin/plugin.json` - `.mcp.json` (Hugging Face MCP サーバー URL で設定) CursorプラグインフローからリポジトリURL(またはローカルチェックアウト)からインストールします。 マーケットプレースエントリーは、`hf-cli` に限定されます。`hf スキルは <skill-name>` を追加して、追加のワークフロースキルをインストールします。 コントリビューターのために、次のようにマニフェストを再生します。 スキル このリポジトリには、開始するスキルがいくつか含まれています。 リポジトリに独自のスキルを付与することもできます。 利用可能なスキル <!-- このテーブルはスクリプト/generate agents.py によって自動生成されます。 手動で編集しないでください。 -->-> <!--BEGIN SKILLS テーブル --> | 名前 | 説明 | ドキュメント | お問い合わせ | `hf-cli` | Hugging Face Hub CLI (`hf`) は、モデルのダウンロード、アップロード、およびモデルの管理、データセット、スペース、バケット、リポジトリ、論文、ジョブ、および Hugging Face Hub のその他。 | お問い合わせ | | `hf-cloud-aws-context-discovery` | AWS のローカルコンテキスト(アクティブプロファイル、地域、アカウント ID、発信者 ID)を AWS タスクの開始時に発見します。 | お問い合わせ | | `hf-cloud-python-env-setup` | SageMaker / AWS の動作環境を分離し、正しい Python バージョンと現在の boto3 で設定します。 | お問い合わせ | | 「hf-cloud-sagemaker-deployment-planner」 | モデルの展開をAmazon SageMaker AIに計画・調整する | お問い合わせ | | `hf-cloud-sagemaker-iam-preflight` | デプロイやトレーニングの前に使用可能なSageMakerの実行ロールが存在することを確認します。 | お問い合わせ | | `hf-cloud-sagemaker-production-defaults` | 自動スケーリング、CloudWatchアラーム、デフォルトで有効になっているタグ付けで、SageMakerエンドポイント(リアルタイム、リアルタイムスケールツーゼロ、または非同期)を作成します。 | お問い合わせ | | `hf-cloud-serving-image-selection` | SageMakerモデルの展開に適したサービングコンテナを選択し、現在のイメージURIを見つけます。 | お問い合わせ | | `hf-mem` | 安全・GGUFモデルの重みを積むために必要な記憶を推定する ヒューギングフェイス CLI