skills

拥抱相貌技巧 Hugging Face Sports是AI/ML任务的定义,如数据集创建,模型培训和评价等. 客户端插件市场将 " hf-cli " 技能暴露为核心枢纽业务的靴子路径;可按要求安装额外工作流程技能,并加上 " hf " 技能技能加 < skill-name-QX " 或由技能意识客户通过CLI/MCP集成发现。 这个存储库的技能遵循标准化的代理技能格式. [注] * ** 只是想让你的经纪人进入"拥抱相机"? 从`hf-cli'开始。 这是推荐的首个安装技能:它教你的代理每个"hf"命令(搜索模型,管理数据集和水桶,发射空间,运行任务),并且由您本地安装的CLI生成,所以它保持时空. 技能如何运作? 在实际操作中,技能是自成一体的文件夹,将指令,脚本,资源组合在一起,供AI代理用于特定的用例. 每个文件夹包括一个带有YAML前题(名称和描述)的“SKILL.md”文件,然后在技能有效时遵循你的编码代理符。 > [!TIP] (中文(简体) ). > 如果您的代理人不支持技能,您可以直接使用"代理/AGENTS.md"作为后退. 该存储库的 " hf-cli " 技能也可通过以下方式获得: - Cursor市场(https://cursor.com/marketplace/huggingface) - 编码插件目录(https://developers.openai.com/codex/plugins) 安装 抱相相技巧与克洛德代码,克多克克思,双子座CLI,克多克斯相兼容. 克劳德代码 1. 将寄存器注册为插件市场: 2. 安装CLI技能: 3. 安装另一套 " hgging Face " 技能,使用 " hf " CLI: 代码 1. 将你想使用的任何技能从本存储库的`技能/`目录'复制或链接到Codex标准`.代理/技能'地点之一(例如,如Codex技能指南所描述的`$REPO ROOT/.代理/技能'或`$HOME/.代理/技能')。 2. 一旦在其中一个地点获得技能,Codex将使用代理技能标准发现该技能,并在决定使用该技能或明确引用该技能时加载 " SKILL.md " 指令。 3. 如果您的代码设置仍然依赖于`AGENTS.md',您可以使用本重播中生成的`Agentsmd/AGENTS.md'文件作为倒置指令包。 双子座CLI 1. 这一再投资包括 " gemini-extension.json " ,用于融入双子体综合指数。 2. 在当地安装: 或使用 GitHub URL : 4. 欲了解更多帮助,请参见双子座CLI扩展文件。 光标 此寄存器包括光标插件显示 : - “.cursor-plugin/plugin.json” - `.mcp.json'(由Hugging Face MCP服务器URL配置) 通过光标插件流从寄存器 URL( 或本地取出) 安装 。 市场进入有意限于 " hf-cli " ;使用 " hf技能 " 加上 " skill-name- " ,以安装额外的工作流程技能。 对于贡献者,以下列方式重新生成: 技能 这个寄存器包含一些让你开始的技巧. 您也可以为寄存器贡献自己的技能。 现有技能 <!-- 此表由脚本/ generate agents. py自动生成. 不手工编辑。 . > 时间 <! > — BEGIN SKILLLS Table - > 名称 描述 文档 |-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- " hf-cli " 用于下载、上传和管理模型、数据集、空间、桶子、重置、文件、工作,以及更多关于 " Hugging Face Hub " 的信息。 {\fn黑体\fs22\bord1\shad0\3aHBE\4aH00\fscx67\fscy66\2cHFFFFFF\3cH808080}我... 在 AWS 任务开始时, 发现用户的本地 AWS 上下文( 活动配置、 区域、 账户 ID、 呼叫者身份) 。 {\fn黑体\fs22\bord1\shad0\3aHBE\4aH00\fscx67\fscy66\2cHFFFFFF\3cH808080}我... QQ"hf-cloud-python-env- setup" 为 SageMaker / AWS 工作设置了孤立的 Python 环境,其中右侧的 Python 版本和当前 boto3. {\fn黑体\fs22\bord1\shad0\3aHBE\4aH00\fscx67\fscy66\2cHFFFFFF\3cH808080}我... `hf-cloud-sagemaker-troduction-planner ' 计划和协调向亚马逊SageMaker AI部署一个模型。 {\fn黑体\fs22\bord1\shad0\3aHBE\4aH00\fscx67\fscy66\2cHFFFFFF\3cH808080}我... `hf-cloud-sagemaker-iam-preflight ' ,确保在部署或培训之前,可发挥SageMaker的处决作用。 {\fn黑体\fs22\bord1\shad0\3aHBE\4aH00\fscx67\fscy66\2cHFFFFFF\3cH808080}我... “hf-cloud-sagemaker-production-defaults” 创建 SageMaker 端点(实时、实时缩放至零,或ASync),自动缩放、云表提醒和默认启用标记。 {\fn黑体\fs22\bord1\shad0\3aHBE\4aH00\fscx67\fscy66\2cHFFFFFF\3cH808080}我... `hf-cloud-service-image-selection ' 选取合适的服务容器进行SageMaker模型部署,并找到其目前的形象URI。 {\fn黑体\fs22\bord1\shad0\3aHBE\4aH00\fscx67\fscy66\2cHFFFFFF\3cH808080}我... `hf-mem' + 牵引面 CLI 用于估计装入 Safetensors 或 GGUF 模型权重所需的内存