jacobwell/skills

Hugging Face Skills (スキル)

Hugging Face Skills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マーケットプレイスは、hf-cliスキルをコアHub操作のブートストラップパスとして公開します。追加のワークフロースキルは、hf skills add <スキル名>でオンデマンドインストールするか、スキルに対応したクライアントがCLI/MCP統合を通じて検出できます。

このリポジトリのスキルは、標準化されたAgent Skills形式に従っています。

[!NOTE] エージェントにHugging Face Hubへのアクセスを与えたいだけですか？ hf-cliから始めてください。これが推奨される最初のスキルです。hfコマンド（モデル検索、データセットとバケットの管理、Spaceの起動、ジョブの実行など）をエージェントに教え、ローカルにインストールされたCLIから生成されるため、常に最新の状態に保たれます。

スキルの仕組み

実際には、スキルは自己完結型のフォルダで、指示、スクリプト、リソースをまとめてAIエージェントが特定のユースケースで使用できるようにします。各フォルダにはSKILL.mdファイルが含まれており、YAMLフロントマター（名前と説明）と、スキルがアクティブな間コーディングエージェントが従う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、代わりにagentsmd/AGENTS.mdを直接フォールバックとして使用できます。

このリポジトリのhf-cliスキルは、以下からも利用できます。

• Cursor Marketplace (https://cursor.com/marketplace/huggingface)
• Codex Plugins Directory (https://developers.openai.com/codex/plugins)

インストール

Hugging Faceスキルは、Claude Code、Codex、Gemini CLI、Cursorに対応しています。

Claude Code

1. リポジトリをプラグインマーケットプレイスとして登録します：

/plugin marketplace add huggingface/skills

2. CLIスキルをインストールします：

/plugin install hf-cli@huggingface/skills

3. 別のHugging Faceスキルをインストールするには、hf CLIを使用します：

hf skills add <スキル名>

Codex

1. このリポジトリのskills/ディレクトリから使用したいスキルを、Codexの標準的な.agents/skillsの場所（例：$REPO_ROOT/.agents/skillsまたは$HOME/.agents/skills）にコピーまたはシンボリックリンクします。詳細はCodex Skillsガイドを参照してください。

2. スキルがこれらの場所のいずれかに配置されると、CodexはAgent Skills標準を使用してそれを検出し、スキルを使用することを決定したとき、または明示的に呼び出したときにSKILL.mdの指示をロードします。

3. CodexセットアップがまだAGENTS.mdに依存している場合は、このリポジトリにある生成済みのagentsmd/AGENTS.mdファイルをフォールバックの指示バンドルとして使用できます。

Gemini CLI

1. このリポジトリには、Gemini CLIと統合するためのgemini-extension.jsonが含まれています。

2. ローカルにインストールします：

gemini extensions install . --consent

またはGitHub URLを使用します：

gemini extensions install https://github.com/huggingface/skills.git --consent

3. 詳細については、Gemini CLI拡張機能のドキュメントを参照してください。

Cursor

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ています：

• .cursor-plugin/plugin.json
• .mcp.json（Hugging Face MCPサーバーURLで設定済み）

リポジトリURL（またはローカルチェックアウト）からCursorプラグインフローを介してインストールします。マーケットプレイスのエントリは意図的にhf-cliに制限されています。追加のワークフロースキルをインストールするには、hf skills add <スキル名>を使用します。

コントリビューターは、以下のコマンドでマニフェストを再生成します：

./scripts/publish.sh

スキル

このリポジトリには、始めるためのいくつかのスキルが含まれています。独自のスキルをリポジトリに貢献することもできます。

利用可能なスキル

名前	説明	ドキュメント
hf-cli	Hugging Face Hub CLI (hf) を使用して、Hugging Face Hub上のモデル、データセット、スペース、バケット、リポジトリ、論文、ジョブなどのダウンロード、アップロード、管理を行います。	SKILL.md
hf-cloud-aws-context-discovery	AWSタスクの開始時にユーザーのローカルAWSコンテキスト（アクティブプロファイル、リージョン、アカウントID、呼び出し元ID）を検出します。	SKILL.md
hf-cloud-python-env-setup	SageMaker/AWS作業用に、適切なPythonバージョンと最新のboto3を備えた分離されたPython環境をセットアップします。	SKILL.md
hf-cloud-sagemaker-deployment-planner	Amazon SageMaker AIへのモデルデプロイを計画し、調整します。	SKILL.md
hf-cloud-sagemaker-iam-preflight	デプロイまたはトレーニングの前に、使用可能なSageMaker実行ロールが存在することを確認します。	SKILL.md
hf-cloud-sagemaker-production-defaults	オートスケーリング、CloudWatchアラーム、タグ付けをデフォルトで有効にしたSageMakerエンドポイント（リアルタイム、リアルタイムスケールトゥゼロ、または非同期）を作成します。	SKILL.md
hf-cloud-serving-image-selection	SageMakerモデルデプロイに適したサービングコンテナを選択し、その現在のイメージURIを見つけます。	SKILL.md
hf-mem	Hugging Face CLIを使用して、Hugging Face HubからSafetensorsまたはGGUFモデルウェイトを推論用にロードするために必要なメモリを見積もります。	SKILL.md
huggingface-best	ユーザーがタスクに最適なモデルを探しているとき、どのAIモデルを使用すべきか知りたいとき、またはベンチマークスコアでモデルを比較したいときに使用します。	SKILL.md
huggingface-community-evals	inspect-aiとlightevalを使用して、ローカルハードウェア上でHugging Face Hubモデルの評価を実行します。	SKILL.md
huggingface-datasets	Hugging Face Dataset Viewer APIワークフロー（サブセット/分割メタデータの取得、行のページネーション、テキスト検索、フィルター適用、Parquet URLのダウンロード、サイズや統計情報の読み取り）にこのスキルを使用します。	SKILL.md
huggingface-gradio	PythonでGradio Web UIとデモを構築します。	SKILL.md
huggingface-llm-trainer	TRL（Transformer Reinforcement Learning）またはUnslothをHugging Face Jobsインフラストラクチャと共に使用して、言語モデルとビジョンモデルをトレーニングまたはファインチューニングします。	SKILL.md
huggingface-local-models	llama.cppとGGUFを使用して、CPU、Mac Metal、CUDA、またはROCm上でローカルに実行するモデルを選択するために使用します。	SKILL.md
huggingface-lora-space-builder	ユーザーが提供したLoRA用のGradioデモをHugging Face Spaces上に構築して公開します。	SKILL.md
huggingface-paper-publisher	研究論文をHugging Face Hub上で公開および管理します。	SKILL.md
huggingface-papers	Markdown形式でHugging Faceの論文ページを検索および読み取り、著者、リンクされたモデル/データセット/スペース、Githubリポジトリ、プロジェクトページなどの構造化メタデータにpapers APIを使用します。	SKILL.md
huggingface-spaces	Hugging Face Spaces上でアプリケーションを構築、デプロイ、管理します — Gradio / Docker / Static SDK、ZeroGPUおよび専用ハードウェア、モデルロード、デバッグ、バケット、推論プロバイダー、コミュニティ助成金。	SKILL.md
huggingface-tool-builder	ユーザーがツール/スクリプトを構築したい場合、またはHugging Face APIのデータを使用すると役立つタスクを達成したい場合に、このスキルを使用します。	SKILL.md
huggingface-trackio	Trackioを使用してMLトレーニング実験を追跡および可視化します。	SKILL.md
huggingface-vision-trainer	Hugging Face TransformersをHugging Face JobsクラウドGPU上で使用して、物体検出（D-FINE、RT-DETR v2、DETR、YOLOS）、画像分類（timmモデル — MobileNetV3、MobileViT、ResNet、ViT/DINOv3 — および任意のTransformers分類器）、SAM/SAM2セグメンテーション用のビジョンモデルをトレーニングおよびファインチューニングします。	SKILL.md
huggingface-zerogpu	Gradio SpacesとHugging Face Spaces ZeroGPUを使用したAIデモとGPUコンピューティング。	SKILL.md
train-sentence-transformers	SentenceTransformer（bi-encoder、denseまたはstatic埋め込みモデル、検索、類似度、クラスタリング、分類、パラフレーズマイニング、重複排除、マルチモーダル用）、CrossEncoder（reranker、2段階検索/ペア分類のためのペアスコアリング用）、SparseEncoder（SPLADE、スパース埋め込みモデル、学習ベーススパース検索用）にわたってsentence-transformersモデルをトレーニングまたはファインチューニングします。	SKILL.md
transformers-js	Transformers.jsを使用して、最先端の機械学習モデルをJavaScript/TypeScriptで直接実行します。	SKILL.md
trl-training	TRL（Transformers Reinforcement Learning）を使用してトランスフォーマー言語モデルをトレーニングおよびファインチューニングします。	SKILL.md

コーディングエージェントでのスキルの使用

スキルがインストールされたら、コーディングエージェントに指示を与える際に直接言及します：

• "HF LLM trainerスキルを使用して、70Bモデルの実行に必要なGPUメモリを見積もってください。"
• "HF model evaluationスキルを使用して、最新のチェックポイントでrun_eval_job.pyを起動してください。"
• "HF dataset creatorスキルを使用して、新しいfew-shot分類テンプレートを作成してください。"
• "HF paper publisherスキルを使用して、私のarXiv論文をインデックスに登録し、モデルにリンクしてください。"

コーディングエージェントは、タスクを完了する間、対応するSKILL.mdの指示とヘルパースクリプトを自動的にロードします。

スキルの貢献またはカスタマイズ

1. 既存のスキルフォルダ（例：hf-datasets/）のいずれかをコピーし、名前を変更します。
2. 新しいフォルダのSKILL.mdフロントマターを更新します：

   ---
   name: my-skill-name
   description: スキルの機能と使用タイミングを記述します
   ---
   
   # スキルタイトル
   ガイダンス + 例 + ガードレール
   

3. 指示で参照されるサポートスクリプト、テンプレート、ドキュメントを追加または編集します。
4. デフォルトでは、スキルを.claude-plugin/marketplace.jsonに追加しないでください。クライアントマーケットプレイスは意図的にhf-cliに制限されています。完全なHub CLIマーケットプレイスは.claude-plugin/marketplace-internal.jsonに生成されます。
5. 以下を実行します：

   ./scripts/publish.sh
   

   生成されたすべてのメタデータを再生成して検証します。
6. 更新されたフォルダが利用可能になるように、コーディングエージェントでスキルバンドルを再インストールまたはリロードします。

マーケットプレイス

.claude-plugin/marketplace.jsonおよび.cursor-plugin/marketplace.jsonファイルは、クライアントマーケットプレイスインストール用にhf-cliのみを意図的に公開します。これにより、インストール時のマニフェストをコアHub操作に集中させ、ユーザーをリポジトリの残りの部分についてはhf skills add <スキル名>に誘導します。

生成された.claude-plugin/marketplace-internal.jsonファイルには、完全なスキルリストが含まれています。公開自動化により、これはmarketplace.jsonとしてHubバケットにアップロードされるため、hf skills list、hf skills add、hf skills updateは引き続きすべての利用可能なスキルを認識します。

新しいスキル対応統合は、動的に機能を引き出すこともできます。Hugging Faceの検出フローにより、クライアントはスキル、MCPサーバー、Spacesを検索でき、Skills-over-MCPの取り組みは、MCPリソースを通じてスキルが検出および消費される方法を標準化しています。

追加の参考資料

• 最新の指示、スクリプト、テンプレートはhuggingface/skillsで直接ご覧いただけます。
• 各スキル内で参照する特定のライブラリやワークフローのHugging Faceドキュメントを確認してください。