Habilidades de Hugging Face
Las Habilidades de Hugging Face son definiciones para tareas de IA/ML como creación de datasets, entrenamiento de modelos y evaluación. Los marketplaces de plugins de los clientes exponen la habilidad hf-cli como la ruta de inicio para las operaciones principales del Hub; se pueden instalar habilidades de flujo de trabajo adicionales bajo demanda con hf skills add <nombre-habilidad> o ser descubiertas por clientes conscientes de habilidades a través de integraciones CLI/MCP.
Las habilidades en este repositorio siguen el formato estandarizado Agent Skills.
[!NOTE] **¿Solo quieres darle a tu agente acceso al Hugging Face Hub? Comienza con
hf-cli. Es la primera habilidad recomendada para instalar: le enseña a tu agente cada comandohf(buscar modelos, gestionar datasets y buckets, lanzar Spaces, ejecutar trabajos) y se genera a partir de tu CLI instalada localmente, por lo que se mantiene actualizada.
¿Cómo funcionan las Habilidades?
En la práctica, las habilidades son carpetas autocontenidas que empaquetan instrucciones, scripts y recursos para que un agente de IA los use en un caso de uso específico. Cada carpeta incluye un archivo SKILL.md con metadatos YAML (nombre y descripción) seguido de la guía que sigue tu agente de codificación mientras la habilidad está activa.
[!TIP] Si tu agente no es compatible con habilidades, puedes usar
agentsmd/AGENTS.mddirectamente como alternativa.
La habilidad hf-cli en este repositorio también está disponible a través de:
- Cursor Marketplace (https://cursor.com/marketplace/huggingface)
- Codex Plugins Directory (https://developers.openai.com/codex/plugins)
Instalación
Las habilidades de Hugging Face son compatibles con Claude Code, Codex, Gemini CLI y Cursor.
Claude Code
- Registra el repositorio como un marketplace de plugins:
/plugin marketplace add huggingface/skills
- Instala la habilidad CLI:
/plugin install hf-cli@huggingface/skills
- Para instalar otra habilidad de Hugging Face, usa la CLI
hf:
hf skills add <nombre-habilidad>
Codex
-
Copia o enlaza simbólicamente las habilidades que quieras usar del directorio
skills/de este repositorio en una de las ubicaciones estándar de.agents/skillsde Codex (por ejemplo,$REPO_ROOT/.agents/skillso$HOME/.agents/skills) como se describe en la Guía de habilidades de Codex. -
Una vez que una habilidad esté disponible en una de esas ubicaciones, Codex la descubrirá usando el estándar Agent Skills y cargará las instrucciones del
SKILL.mdcuando decida usar esa habilidad o cuando la invoques explícitamente. -
Si tu configuración de Codex aún depende de
AGENTS.md, puedes usar el archivo generadoagentsmd/AGENTS.mden este repositorio como un paquete de instrucciones de respaldo.
Gemini CLI
-
Este repositorio incluye
gemini-extension.jsonpara integrarse con Gemini CLI. -
Instala localmente:
gemini extensions install . --consent
o usa la URL de GitHub:
gemini extensions install https://github.com/huggingface/skills.git --consent
- Consulta la documentación de extensiones de Gemini CLI para obtener más ayuda.
Cursor
Este repositorio incluye manifiestos de plugins de Cursor:
.cursor-plugin/plugin.json.mcp.json(configurado con la URL del servidor MCP de Hugging Face)
Instala desde la URL del repositorio (o desde una copia local) a través del flujo de plugins de Cursor. La entrada del marketplace está intencionalmente limitada a hf-cli; usa hf skills add <nombre-habilidad> para instalar habilidades de flujo de trabajo adicionales.
Para contribuyentes, regenera los manifiestos con:
./scripts/publish.sh
Habilidades
Este repositorio contiene algunas habilidades para comenzar. También puedes contribuir con tus propias habilidades al repositorio.
Habilidades disponibles
| Nombre | Descripción | Documentación |
|---|---|---|
hf-cli | CLI del Hugging Face Hub (hf) para descargar, subir y gestionar modelos, datasets, spaces, buckets, repos, papers, trabajos y más en el Hugging Face Hub. | SKILL.md |
hf-cloud-aws-context-discovery | Descubre el contexto AWS local del usuario (perfil activo, región, ID de cuenta, identidad del llamante) al inicio de cualquier tarea AWS. | SKILL.md |
hf-cloud-python-env-setup | Configura un entorno Python aislado para trabajo con SageMaker/AWS, con la versión correcta de Python y boto3 actualizado. | SKILL.md |
hf-cloud-sagemaker-deployment-planner | Planifica y coordina el despliegue de un modelo en Amazon SageMaker AI. | SKILL.md |
hf-cloud-sagemaker-iam-preflight | Asegura que exista un rol de ejecución de SageMaker utilizable antes de desplegar o entrenar. | SKILL.md |
hf-cloud-sagemaker-production-defaults | Crea un endpoint de SageMaker (tiempo real, tiempo real con escalado a cero, o asíncrono) con autoescalado, alarmas de CloudWatch y etiquetado habilitados por defecto. | SKILL.md |
hf-cloud-serving-image-selection | Selecciona el contenedor de servicio adecuado para un despliegue de modelo SageMaker y encuentra su URI de imagen actual. | SKILL.md |
hf-mem | CLI de Hugging Face para estimar la memoria necesaria para cargar pesos de modelo Safetensors o GGUF para inferencia desde el Hugging Face Hub. | SKILL.md |
huggingface-best | Úsalo cuando el usuario pregunte sobre encontrar el mejor modelo, el más popular o el recomendado para una tarea, quiera saber qué modelo de IA usar o desee comparar modelos por puntuaciones de benchmarks. | SKILL.md |
huggingface-community-evals | Ejecuta evaluaciones para modelos del Hugging Face Hub usando inspect-ai y lighteval en hardware local. | SKILL.md |
huggingface-datasets | Usa esta habilidad para flujos de trabajo de la API Hugging Face Dataset Viewer que obtienen metadatos de subconjuntos/particiones, paginan filas, buscan texto, aplican filtros, descargan URLs de parquet y leen tamaño o estadísticas. | SKILL.md |
huggingface-gradio | Construye interfaces de usuario web y demos en Python con Gradio. | SKILL.md |
huggingface-llm-trainer | Entrena o ajusta modelos de lenguaje y visión usando TRL (Transformer Reinforcement Learning) o Unsloth con la infraestructura de Hugging Face Jobs. | SKILL.md |
huggingface-local-models | Úsalo para seleccionar modelos para ejecutar localmente con llama.cpp y GGUF en CPU, Mac Metal, CUDA o ROCm. | SKILL.md |
huggingface-lora-space-builder | Construye y publica una demo de Gradio en Hugging Face Spaces para un LoRA proporcionado por el usuario. | SKILL.md |
huggingface-paper-publisher | Publica y gestiona artículos de investigación en Hugging Face Hub. | SKILL.md |
huggingface-papers | Consulta y lee páginas de artículos de Hugging Face en markdown, y usa la API de papers para metadatos estructurados como autores, modelos/datasets/spaces vinculados, repositorio de Github y página del proyecto. | SKILL.md |
huggingface-spaces | Construye, despliega y mantiene aplicaciones en Hugging Face Spaces — Gradio / Docker / SDKs estáticos, ZeroGPU y hardware dedicado, carga de modelos, depuración, buckets, proveedores de inferencia, subvenciones comunitarias. | SKILL.md |
huggingface-tool-builder | Usa esta habilidad cuando el usuario quiera construir herramientas/scripts o lograr una tarea donde usar datos de la API de Hugging Face sea útil. | SKILL.md |
huggingface-trackio | Rastrea y visualiza experimentos de entrenamiento de ML con Trackio. | SKILL.md |
huggingface-vision-trainer | Entrena y ajusta modelos de visión para detección de objetos (D-FINE, RT-DETR v2, DETR, YOLOS), clasificación de imágenes (modelos timm — MobileNetV3, MobileViT, ResNet, ViT/DINOv3 — además de cualquier clasificador de Transformers) y segmentación SAM/SAM2 usando Hugging Face Transformers en GPUs en la nube de Hugging Face Jobs. | SKILL.md |
huggingface-zerogpu | Demos de IA y cómputo en GPU con Gradio Spaces y Hugging Face Spaces ZeroGPU. | SKILL.md |
train-sentence-transformers | Entrena o ajusta modelos de sentence-transformers a través de SentenceTransformer (bi-encoder; modelo de embedding denso o estático; para recuperación, similitud, clustering, clasificación, minería de paráfrasis, deduplicación, multimodal), CrossEncoder (reranker; puntuación de pares para recuperación de dos etapas / clasificación de pares) y SparseEncoder (SPLADE, modelo de embedding disperso; para recuperación dispersa aprendida). | SKILL.md |
transformers-js | Usa Transformers.js para ejecutar modelos de aprendizaje automático de última generación directamente en JavaScript/TypeScript. | SKILL.md |
trl-training | Entrena y ajusta modelos de lenguaje transformer usando TRL (Transformers Reinforcement Learning). | SKILL.md |
Usando habilidades en tu agente de codificación
Una vez que una habilidad está instalada, menciónala directamente al dar instrucciones a tu agente de codificación:
- "Usa la habilidad de entrenador LLM de HF para estimar la memoria de GPU necesaria para ejecutar un modelo de 70B."
- "Usa la habilidad de evaluación de modelos de HF para lanzar
run_eval_job.pyen el último checkpoint." - "Usa la habilidad de creador de datasets de HF para redactar nuevas plantillas de clasificación few-shot."
- "Usa la habilidad de publicador de papers de HF para indexar mi artículo de arXiv y vincularlo a mi modelo."
Tu agente de codificación carga automáticamente las instrucciones y scripts de ayuda del SKILL.md correspondiente mientras completa la tarea.
Contribuir o personalizar una habilidad
- Copia una de las carpetas de habilidad existentes (por ejemplo,
hf-datasets/) y renómbrala. - Actualiza los metadatos YAML del
SKILL.mdde la nueva carpeta:--- name: mi-nombre-de-habilidad description: Describe qué hace la habilidad y cuándo usarla --- # Título de la Habilidad Guía + ejemplos + barreras de seguridad - Añade o edita los scripts, plantillas y documentos de apoyo a los que hacen referencia tus instrucciones.
- No añadas la habilidad a
.claude-plugin/marketplace.jsonpor defecto. Los marketplaces de clientes están intencionalmente limitados ahf-cli; el marketplace completo de la CLI del Hub se genera en.claude-plugin/marketplace-internal.json. - Ejecuta:
para regenerar y validar todos los metadatos generados../scripts/publish.sh - Reinstala o recarga el paquete de habilidades en tu agente de codificación para que la carpeta actualizada esté disponible.
Marketplace
Los archivos .claude-plugin/marketplace.json y .cursor-plugin/marketplace.json exponen intencionalmente solo hf-cli para la instalación desde el marketplace del cliente. Esto mantiene los manifiestos de instalación centrados en las operaciones principales del Hub y dirige a los usuarios a hf skills add <nombre-habilidad> para el resto del repositorio.
El archivo generado .claude-plugin/marketplace-internal.json contiene la lista completa de habilidades. La automatización de publicación lo sube al bucket del Hub como marketplace.json para que hf skills list, hf skills add y hf skills update sigan viendo todas las habilidades disponibles.
Las integraciones más nuevas conscientes de habilidades también pueden obtener capacidades dinámicamente. El flujo de descubrimiento de Hugging Face permite a los clientes buscar habilidades, servidores MCP y Spaces, mientras que el trabajo de Habilidades sobre MCP estandariza cómo se descubren y consumen las habilidades a través de los recursos de MCP.
Referencias adicionales
- Navega por las últimas instrucciones, scripts y plantillas directamente en huggingface/skills.
- Revisa la documentación de Hugging Face para las bibliotecas o flujos de trabajo específicos a los que hagas referencia dentro de cada habilidad.