Hugging Face Skills 開源：教 Claude 和 Cursor 訓練模型與發論文

Hugging Face Skills 是一套標準化的指令技能包，用來教 Claude Code、Cursor、Codex 和 Gemini CLI 等編碼智慧體直接操作機器學習工作流。

平時讓 AI 敲程式碼很容易，但一旦涉及在 Hugging Face 上搜索權重、切分資料集、調動 GPU 跑微調或者部署推理服務，通用智慧體往往會因為不懂平臺特有的命令規範而不斷報錯。這個專案就是把這些專屬操作打包成即插即用的模組。

它能做什麼

專案包含 20 多個針對具體任務的技能包，覆蓋了從找模型到上線的整個鏈路。

最基礎的是 hf-cli 技能。它教會智慧體使用本地安裝的 hf 命令列工具，用來下載和上傳模型、管理資料倉儲、檢視 Spaces 應用甚至追蹤雲端任務狀態。

進階技能則針對專業演算法任務。比如 huggingface-llm-trainer 能指導智慧體使用 TRL 或 Unsloth 配置大語言模型訓練指令碼，並在 Hugging Face Jobs 上排隊執行；huggingface-datasets 專門對接資料集預覽介面，支援按欄位篩選並直接拉取 Parquet 檔案；hf-mem 則可以幫智慧體自動估算載入 Safetensors 或 GGUF 權重所需的視訊記憶體大小。

此外，它還包含構建 Gradio 介面、釋出學術論文、評估本地模型以及把模型一鍵配置並部署到 Amazon SageMaker 的整套流水線定義。

智慧體如何使用這些技能

整個專案的核心機制非常輕量。每個技能都是一個獨立的資料夾，裡面包含一個標配的 SKILL.md 檔案。

檔案頭部用簡單的 YAML 語法宣告技能名稱和觸發場景，後面緊跟純文本形式的操作規範、引數指導和防護邊界。智慧體在日常對話中不需要背下所有規則，只有當你提出相應需求時，它才會按需載入對應的 SKILL.md。

如果智慧體暫不支援動態技能載入，倉庫裡還提供了一份生成的 agentsmd/AGENTS.md 作為兜底，直接把常用規範一次性餵給上下文。

在客戶端支援上，Cursor 使用者可以通過 Cursor Marketplace 直接安裝核心技能，或者載入專案自帶的 .mcp.json 走 MCP 協議連線；Claude Code 使用者可以直接新增外掛市場；Codex 只需要把技能目錄軟連結到本地的 .agents/skills 路徑；Gemini CLI 也能通過內建的擴充套件清單一鍵匯入。

安裝好之後，你只需要對智慧體說「用 HF LLM trainer 技能估算 70B 模型需要的視訊記憶體」或者「用 HF paper publisher 把我的論文掛到模型主頁」，智慧體就會自動按照預設的最佳實踐去執行。

怎麼跑起來

專案開源在 GitHub 的 huggingface/skills 倉庫。

最快上手的方式是先裝基礎腳手架。以 Claude Code 為例，在對話裡輸入新增市場命令後，安裝 hf-cli@huggingface/skills 即可。進入命令列後，隨時可以通過 hf skills add 加上其他專項技能。

想要自己寫技能也很直接。複製現有的任意目錄，改寫 SKILL.md 裡的描述和步驟，放入輔助指令碼，再執行倉庫裡的釋出指令碼重新生成清單即可使用。

為什麼重要

對常做模型微調和評測的演算法工程師來說，這套工具非常值得一試。它不用你再去給智慧體手寫幾百行的系統提示詞，直接抹平了 AI 助手呼叫專用機器學習基礎設施的門檻。

我們認為，Hugging Face 這裡的聰明之處在於沒有自己另起爐灶做新的客戶端，而是順著已有的 Agent Skills 標準和 MCP 協議，把自己的開發者生態直接嵌進了主流的 AI 程式設計環境裡。雖然目前不少複雜技能仍需要你擁有對應的算力許可權或配置本地執行環境，但對於經常和 Hub 打交道的人來說，它省下的除錯時間是立竿見影的。