CommunityBildgithub.com

jacobwell/skills

Gib deinen Agenten die Leistungsfähigkeit des Hugging Face Ökosystems

Was ist skills?

Hugging Face Skills sind vordefinierte Pakete, die AI-Agenten (wie Claude Code, Codex, Gemini CLI oder Cursor) mit spezifischen Anleitungen und Skripten für Aufgaben wie Dataset-Erstellung, Modelltraining und -Evaluation ausstatten. Das `hf-cli` Skill dient als Einstieg für grundlegende Hub-Operationen, während zusätzliche Workflow-Skills bei Bedarf mit `hf skills add <skill-name>` installiert werden können. Die Skills folgen dem standardisierten [Agent Skills](https://agentskills.io/home) Format und sind als selbstständige Ordner mit einer `SKILL.md` Datei strukturiert, die YAML-Frontmatter (Name und Beschreibung) sowie die eigentliche Anleitung enthält. Dank der Kompatibilität mit mehreren Plattformen und der Integration über CLI/MCP können Entwickler ihren Agenten schnell beibringen, Modelle zu suchen, Datasets zu verwalten, Spaces zu starten, Jobs auszuführen und vieles mehr – alles auf Basis der aktuellen Hugging Face CLI.

Funktioniert mit✓Claude Code✓Codex CLI✓Cursor✓Gemini CLI
npx skills add https://github.com/jacobwell/skills/tree/main

Installed? Explore more Bild skills: steipete/songsee, affaan-m/frontend-design, mattpocock/improve-codebase-architecture · View all 6 →

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Hugging Face Skills

Hugging Face Skills sind Definitionen für KI/ML-Aufgaben wie Dataset-Erstellung, Modelltraining und -Evaluation. Die Client-Plugin-Marktplätze machen das hf-cli Skill als Einstiegspunkt für grundlegende Hub-Operationen verfügbar; zusätzliche Workflow-Skills können bei Bedarf mit hf skills add <skill-name> installiert oder von skill-fähigen Clients über CLI/MCP-Integrationen entdeckt werden.

Die Skills in diesem Repository folgen dem standardisierten Agent Skills Format.

[!NOTE] Möchtest du deinem Agenten einfach nur Zugriff auf den Hugging Face Hub geben? Beginne mit hf-cli. Es ist das empfohlene erste zu installierende Skill: Es bringt deinem Agenten jeden hf-Befehl bei (Modelle suchen, Datasets und Buckets verwalten, Spaces starten, Jobs ausführen) und wird aus deiner lokal installierten CLI generiert, sodass es immer aktuell bleibt.

Wie funktionieren Skills?

In der Praxis sind Skills eigenständige Ordner, die Anleitungen, Skripte und Ressourcen für einen bestimmten Anwendungsfall für einen KI-Agenten bündeln. Jeder Ordner enthält eine SKILL.md-Datei mit YAML-Frontmatter (Name und Beschreibung) gefolgt von der Anleitung, die dein Coding-Agent befolgt, während das Skill aktiv ist.

[!TIP] Wenn dein Agent keine Skills unterstützt, kannst du direkt agentsmd/AGENTS.md als Fallback verwenden.

Das hf-cli Skill in diesem Repository ist auch verfügbar über:

Installation

Hugging Face Skills sind kompatibel mit Claude Code, Codex, Gemini CLI und Cursor.

Claude Code

  1. Registriere das Repository als Plugin-Marktplatz:
/plugin marketplace add huggingface/skills
  1. Installiere das CLI-Skill:
/plugin install hf-cli@huggingface/skills
  1. Um ein weiteres Hugging Face Skill zu installieren, verwende die hf CLI:
hf skills add <skill-name>

Codex

  1. Kopiere oder verlinke beliebige Skills, die du verwenden möchtest, aus dem skills/-Verzeichnis dieses Repositories in einen der standardmäßigen .agents/skills-Orte von Codex (z. B. $REPO_ROOT/.agents/skills oder $HOME/.agents/skills), wie im Codex Skills Guide beschrieben.

  2. Sobald ein Skill an einem dieser Orte verfügbar ist, wird Codex es mithilfe des Agent Skills Standards erkennen und die SKILL.md-Anweisungen laden, wenn es sich entscheidet, dieses Skill zu verwenden, oder wenn du es explizit aufrufst.

  3. Falls deine Codex-Konfiguration immer noch auf AGENTS.md angewiesen ist, kannst du die generierte Datei agentsmd/AGENTS.md in diesem Repository als Fallback-Bündel von Anweisungen verwenden.

Gemini CLI

  1. Dieses Repository enthält gemini-extension.json für die Integration mit der Gemini CLI.

  2. Lokal installieren:

gemini extensions install . --consent

oder die GitHub-URL verwenden:

gemini extensions install https://github.com/huggingface/skills.git --consent
  1. Weitere Hilfe findest du in der Gemini CLI Extensions Dokumentation.

Cursor

Dieses Repository enthält Cursor-Plugin-Manifeste:

  • .cursor-plugin/plugin.json
  • .mcp.json (konfiguriert mit der Hugging Face MCP Server URL)

Installiere über die Repository-URL (oder einen lokalen Checkout) über den Cursor-Plugin-Flow. Der Marktplatzeintrag ist absichtlich auf hf-cli beschränkt; verwende hf skills add <skill-name>, um zusätzliche Workflow-Skills zu installieren.

Für Mitwirkende: Generiere Manifeste mit:

./scripts/publish.sh

Was macht skills?

Dieses Repository enthält einige Skills für den Einstieg. Du kannst auch eigene Skills zum Repository beitragen.

Verfügbare Skills

NameBeschreibungDokumentation
hf-cliHugging Face Hub CLI (hf) zum Herunterladen, Hochladen und Verwalten von Modellen, Datasets, Spaces, Buckets, Repos, Papers, Jobs und mehr auf dem Hugging Face Hub.SKILL.md
hf-cloud-aws-context-discoveryEntdecke den lokalen AWS-Kontext des Benutzers (aktives Profil, Region, Konton-ID, Aufruferidentität) zu Beginn jeder AWS-Aufgabe.SKILL.md
hf-cloud-python-env-setupRichte eine isolierte Python-Umgebung für SageMaker / AWS-Arbeiten mit der richtigen Python-Version und aktuellem boto3 ein.SKILL.md
hf-cloud-sagemaker-deployment-plannerPlane und koordiniere die Bereitstellung eines Modells auf Amazon SageMaker AI.SKILL.md
hf-cloud-sagemaker-iam-preflightStelle sicher, dass eine nutzbare SageMaker-Ausführungsrolle existiert, bevor du bereitstellst oder trainierst.SKILL.md
hf-cloud-sagemaker-production-defaultsErstelle einen SageMaker-Endpunkt (Echtzeit, Echtzeit-Scale-to-Zero oder asynchron) mit standardmäßig aktiviertem Autoscaling, CloudWatch-Alarmen und Tagging.SKILL.md
hf-cloud-serving-image-selectionWähle den richtigen Serving-Container für eine SageMaker-Modellbereitstellung aus und finde seine aktuelle Image-URI.SKILL.md
hf-memHugging Face CLI zur Schätzung des erforderlichen Arbeitsspeichers zum Laden von Safetensors- oder GGUF-Modellgewichten für die Inferenz vom Hugging Face Hub.SKILL.md
huggingface-bestVerwende dies, wenn der Benutzer nach dem besten, den Top- oder empfohlenen Modell für eine Aufgabe fragt, wissen möchte, welches KI-Modell er verwenden soll, oder Modelle anhand von Benchmark-Ergebnissen vergleichen möchte.SKILL.md
huggingface-community-evalsFühre Evaluationen für Hugging Face Hub-Modelle mit inspect-ai und lighteval auf lokaler Hardware durch.SKILL.md
huggingface-datasetsVerwende dieses Skill für Workflows mit der Hugging Face Dataset Viewer API, die Subset/Split-Metadaten abrufen, Zeilen paginieren, Text durchsuchen, Filter anwenden, Parquet-URLs herunterladen und Größen oder Statistiken lesen.SKILL.md
huggingface-gradioErstelle Gradio-Web-Oberflächen und Demos in Python.SKILL.md
huggingface-llm-trainerTrainiere oder feinjustiere Sprach- und Bildmodelle mit TRL (Transformer Reinforcement Learning) oder Unsloth und der Hugging Face Jobs Infrastruktur.SKILL.md
huggingface-local-modelsVerwende, um Modelle für den lokalen Betrieb mit llama.cpp und GGUF auf CPU, Mac Metal, CUDA oder ROCm auszuwählen.SKILL.md
huggingface-lora-space-builderErstelle und veröffentliche eine Gradio-Demo auf Hugging Face Spaces für ein vom Benutzer bereitgestelltes LoRA.SKILL.md
huggingface-paper-publisherVeröffentliche und verwalte Forschungsarbeiten auf dem Hugging Face Hub.SKILL.md
huggingface-papersSuche und lese Hugging Face Paper-Seiten im Markdown-Format und verwende die Papers API für strukturierte Metadaten wie Autoren, verknüpfte Modelle/Datasets/Spaces, GitHub-Repository und Projektseite.SKILL.md
huggingface-spacesErstelle, stelle bereit und warte Anwendungen auf Hugging Face Spaces – Gradio / Docker / Static SDKs, ZeroGPU und dedizierte Hardware, Modellladung, Debugging, Buckets, Inference-Provider, Community-Zuschüsse.SKILL.md
huggingface-tool-builderVerwende dieses Skill, wenn der Benutzer Tools/Skripte erstellen oder eine Aufgabe erledigen möchte, bei der die Verwendung von Daten aus der Hugging Face API hilfreich wäre.SKILL.md
huggingface-trackioVerfolge und visualisiere ML-Trainingsexperimente mit Trackio.SKILL.md
huggingface-vision-trainerTrainiert und feinjustiert Bildverarbeitungsmodelle für Objekterkennung (D-FINE, RT-DETR v2, DETR, YOLOS), Bildklassifikation (timm-Modelle – MobileNetV3, MobileViT, ResNet, ViT/DINOv3 – plus beliebige Transformers-Klassifikatoren) und SAM/SAM2-Segmentierung mit Hugging Face Transformers auf Hugging Face Jobs Cloud-GPUs.SKILL.md
huggingface-zerogpuKI-Demos und GPU-Computing mit Gradio Spaces und Hugging Face Spaces ZeroGPU.SKILL.md
train-sentence-transformersTrainiere oder feinjustiere sentence-transformers-Modelle für SentenceTransformer (Bi-Encoder; dichtes oder statisches Embedding-Modell; für Retrieval, Ähnlichkeit, Clustering, Klassifikation, Paraphrase-Mining, Deduplizierung, multimodal), CrossEncoder (Reranker; Paar-Scoring für zweistufiges Retrieval / Paar-Klassifikation) und SparseEncoder (SPLADE, spärliches Embedding-Modell; für gelerntes spärliches Retrieval).SKILL.md
transformers-jsVerwende Transformers.js, um modernste Machine-Learning-Modelle direkt in JavaScript/TypeScript auszuführen.SKILL.md
trl-trainingTrainiere und feinjustiere Transformer-Sprachmodelle mit TRL (Transformers Reinforcement Learning).SKILL.md

Skills in deinem Coding-Agenten verwenden

Sobald ein Skill installiert ist, erwähne es direkt, während du deinem Coding-Agenten Anweisungen gibst:

  • „Verwende das HF LLM Trainer Skill, um den benötigten GPU-Speicher für einen 70B-Modelllauf zu schätzen.“
  • „Verwende das HF Model Evaluation Skill, um run_eval_job.py auf dem neuesten Checkpoint zu starten.“
  • „Verwende das HF Dataset Creator Skill, um neue Few-Shot-Klassifikationsvorlagen zu entwerfen.“
  • „Verwende das HF Paper Publisher Skill, um meine arXiv-Veröffentlichung zu indexieren und mit meinem Modell zu verknüpfen.“

Dein Coding-Agent lädt automatisch die entsprechenden SKILL.md-Anweisungen und Hilfsskripte, während er die Aufgabe erledigt.

Ein Skill beitragen oder anpassen

  1. Kopiere einen der vorhandenen Skill-Ordner (z. B. hf-datasets/) und benenne ihn um.
  2. Aktualisiere das YAML-Frontmatter der neuen SKILL.md:
    ---
    name: my-skill-name
    description: Beschreibe, was das Skill tut und wann es verwendet werden soll
    ---
    
    # Skill Titel
    Anleitung + Beispiele + Leitplanken
    
  3. Füge unterstützende Skripte, Vorlagen und Dokumente, auf die deine Anleitungen verweisen, hinzu oder bearbeite sie.
  4. Füge das Skill standardmäßig nicht zu .claude-plugin/marketplace.json hinzu. Client-Marktplätze sind absichtlich auf hf-cli beschränkt; der vollständige Hub-CLI-Marktplatz wird unter .claude-plugin/marketplace-internal.json generiert.
  5. Führe Folgendes aus:
    ./scripts/publish.sh
    
    um alle generierten Metadaten neu zu generieren und zu validieren.
  6. Installiere das Skill-Bundle in deinem Coding-Agenten neu oder lade es neu, damit der aktualisierte Ordner verfügbar ist.

Marktplatz

Die Dateien .claude-plugin/marketplace.json und .cursor-plugin/marketplace.json legen absichtlich nur hf-cli für die Installation über den Client-Marktplatz offen. Dies hält die Installationsmanifeste auf grundlegende Hub-Operationen konzentriert und verweist Benutzer für den Rest des Repositories auf hf skills add <skill-name>.

Die generierte Datei .claude-plugin/marketplace-internal.json enthält die vollständige Skill-Liste. Die Veröffentlichungsautomatisierung lädt sie als marketplace.json in den Hub-Bucket hoch, sodass hf skills list, hf skills add und hf skills update weiterhin jedes verfügbare Skill sehen.

Neuere skill-fähige Integrationen können Fähigkeiten auch dynamisch abrufen. Der Discovery-Flow von Hugging Face ermöglicht es Clients, Skills, MCP-Server und Spaces zu durchsuchen, während die Skills-over-MCP-Arbeit standardisiert, wie Skills durch MCP-Ressourcen entdeckt und konsumiert werden.

Zusätzliche Referenzen

  • Durchstöbere die neuesten Anleitungen, Skripte und Vorlagen direkt auf huggingface/skills.
  • Lies die Hugging Face Dokumentation für die spezifischen Bibliotheken oder Workflows, auf die du in jedem Skill verweist.

Verwandte Skills