Community이미지github.com

jacobwell/skills

AI 에이전트에 Hugging Face 생태계의 모든 힘을 부여하세요.

skills란 무엇인가요?

이 스킬 저장소는 Hugging Face 생태계와의 상호작용을 위해 설계된 AI 에이전트 스킬 모음입니다. `hf-cli` 스킬을 통해 Hub의 핵심 작업(모델 검색, 데이터셋 및 버킷 관리, Space 배포, 작업 실행 등)을 수행할 수 있으며, `hf skills add <skill-name>` 명령어로 추가 워크플로 스킬을 필요에 따라 설치할 수 있습니다. 스킬은 Claude Code, Codex, Gemini CLI, Cursor 등 주요 AI 코딩 에이전트 플랫폼과 호환되며, 각 플랫폼의 플러그인 시스템 또는 직접 설치를 통해 통합됩니다. 이 저장소에는 LLM 트레이너, 비전 모델 트레이너, 데이터셋 작업, 모델 평가, Space 배포, 로컬 모델 실행, 논문 게시 등 다양한 작업을 위한 20개 이상의 스킬이 포함되어 있어, 개발자가 Hugging Face 생태계를 최대한 활용할 수 있도록 지원합니다.

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

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

즐겨 사용하는 AI에게 물어보기

이 에이전트 스킬이 미리 로드된 새 채팅을 엽니다.

문서

Hugging Face 스킬

Hugging Face 스킬은 데이터셋 생성, 모델 훈련, 평가와 같은 AI/ML 작업을 위한 정의입니다. 클라이언트 플러그인 마켓플레이스는 핵심 Hub 작업을 위한 부트스트랩 경로로 hf-cli 스킬을 제공하며, 추가 워크플로 스킬은 hf skills add <skill-name> 명령어로 필요에 따라 설치하거나 스킬을 인식하는 클라이언트가 CLI/MCP 통합을 통해 검색할 수 있습니다.

이 저장소의 스킬은 표준화된 Agent Skills 형식을 따릅니다.

[!NOTE] 에이전트에 Hugging Face Hub에 대한 액세스 권한만 부여하고 싶으신가요? hf-cli부터 시작하세요. 이는 설치를 권장하는 첫 번째 스킬입니다. hf 명령어(모델 검색, 데이터셋 및 버킷 관리, Space 실행, 작업 실행)를 에이전트에 가르쳐 주며, 로컬에 설치된 CLI에서 생성되므로 항상 최신 상태를 유지합니다.

스킬은 어떻게 작동하나요?

실제로 스킬은 특정 사용 사례에 대해 AI 에이전트가 사용할 수 있도록 지침, 스크립트 및 리소스를 함께 패키징하는 독립적인 폴더입니다. 각 폴더에는 YAML 프론트매터(이름 및 설명)와 스킬이 활성화된 동안 코딩 에이전트가 따라야 할 지침이 포함된 SKILL.md 파일이 있습니다.

[!TIP] 에이전트가 스킬을 지원하지 않는 경우 agentsmd/AGENTS.md를 대체재로 직접 사용할 수 있습니다.

이 저장소의 hf-cli 스킬은 다음에서도 사용할 수 있습니다.

설치

Hugging Face 스킬은 Claude Code, Codex, Gemini CLI 및 Cursor와 호환됩니다.

Claude Code

  1. 저장소를 플러그인 마켓플레이스로 등록:
/plugin marketplace add huggingface/skills
  1. CLI 스킬 설치:
/plugin install hf-cli@huggingface/skills
  1. 다른 Hugging Face 스킬을 설치하려면 hf CLI 사용:
hf skills add <skill-name>

Codex

  1. 이 저장소의 skills/ 디렉토리에서 사용하려는 스킬을 Codex의 표준 .agents/skills 위치 중 하나(예: $REPO_ROOT/.agents/skills 또는 $HOME/.agents/skills)로 복사하거나 심볼릭 링크를 만듭니다. 자세한 내용은 Codex 스킬 가이드를 참조하세요.

  2. 스킬이 해당 위치 중 하나에 있으면 Codex는 Agent Skills 표준을 사용하여 이를 검색하고, 스킬을 사용하기로 결정하거나 명시적으로 호출할 때 SKILL.md 지침을 로드합니다.

  3. Codex 설정이 여전히 AGENTS.md에 의존하는 경우, 이 저장소에 있는 생성된 agentsmd/AGENTS.md 파일을 대체 지침 번들로 사용할 수 있습니다.

Gemini CLI

  1. 이 저장소에는 Gemini CLI와 통합하기 위한 gemini-extension.json이 포함되어 있습니다.

  2. 로컬에 설치:

gemini extensions install . --consent

또는 GitHub URL 사용:

gemini extensions install https://github.com/huggingface/skills.git --consent
  1. 자세한 내용은 Gemini CLI 확장 프로그램 문서를 참조하세요.

Cursor

이 저장소에는 Cursor 플러그인 매니페스트가 포함되어 있습니다.

  • .cursor-plugin/plugin.json
  • .mcp.json (Hugging Face MCP 서버 URL로 구성됨)

저장소 URL(또는 로컬 체크아웃)에서 Cursor 플러그인 흐름을 통해 설치합니다. 마켓플레이스 항목은 의도적으로 hf-cli로 제한됩니다. 추가 워크플로 스킬을 설치하려면 hf skills add <skill-name>을 사용하세요.

기여자의 경우 다음 명령어로 매니페스트를 다시 생성합니다.

./scripts/publish.sh

스킬

이 저장소에는 시작하는 데 도움이 되는 몇 가지 스킬이 포함되어 있습니다. 직접 스킬을 저장소에 기여할 수도 있습니다.

사용 가능한 스킬

이름설명문서
hf-cliHugging Face Hub CLI (hf): Hugging Face Hub에서 모델, 데이터셋, 스페이스, 버킷, 저장소, 논문, 작업 등을 다운로드, 업로드 및 관리합니다.SKILL.md
hf-cloud-aws-context-discoveryAWS 작업 시작 시 사용자의 로컬 AWS 컨텍스트(활성 프로필, 리전, 계정 ID, 호출자 ID)를 검색합니다.SKILL.md
hf-cloud-python-env-setup올바른 Python 버전과 최신 boto3를 사용하여 SageMaker/AWS 작업을 위한 격리된 Python 환경을 설정합니다.SKILL.md
hf-cloud-sagemaker-deployment-planner모델의 Amazon SageMaker AI 배포를 계획하고 조정합니다.SKILL.md
hf-cloud-sagemaker-iam-preflight배포 또는 훈련 전에 사용 가능한 SageMaker 실행 역할이 있는지 확인합니다.SKILL.md
hf-cloud-sagemaker-production-defaults자동 스케일링, CloudWatch 알람 및 태깅이 기본적으로 활성화된 SageMaker 엔드포인트(실시간, 실시간 0으로 스케일링 또는 비동기)를 생성합니다.SKILL.md
hf-cloud-serving-image-selectionSageMaker 모델 배포에 적합한 서빙 컨테이너를 선택하고 현재 이미지 URI를 찾습니다.SKILL.md
hf-memHugging Face CLI: Hugging Face Hub에서 추론을 위해 Safetensors 또는 GGUF 모델 가중치를 로드하는 데 필요한 메모리를 추정합니다.SKILL.md
huggingface-best사용자가 특정 작업에 가장 적합하거나, 최고이거나, 추천되는 모델을 찾거나, 사용할 AI 모델을 알고 싶어하거나, 벤치마크 점수로 모델을 비교하려고 할 때 사용합니다.SKILL.md
huggingface-community-evalsinspect-ai와 lighteval을 사용하여 로컬 하드웨어에서 Hugging Face Hub 모델에 대한 평가를 실행합니다.SKILL.md
huggingface-datasetsHugging Face 데이터셋 뷰어 API 워크플로(서브셋/분할 메타데이터 가져오기, 행 페이지 매김, 텍스트 검색, 필터 적용, parquet URL 다운로드, 크기 또는 통계 읽기)에 이 스킬을 사용합니다.SKILL.md
huggingface-gradioPython으로 Gradio 웹 UI 및 데모를 빌드합니다.SKILL.md
huggingface-llm-trainerTRL(Transformer Reinforcement Learning) 또는 Unsloth를 사용하고 Hugging Face Jobs 인프라를 활용하여 언어 및 비전 모델을 훈련하거나 미세 조정합니다.SKILL.md
huggingface-local-modelsCPU, Mac Metal, CUDA 또는 ROCm에서 llama.cpp 및 GGUF와 함께 로컬로 실행할 모델을 선택하는 데 사용합니다.SKILL.md
huggingface-lora-space-builder사용자가 제공한 LoRA용 Gradio 데모를 빌드하고 Hugging Face Spaces에 게시합니다.SKILL.md
huggingface-paper-publisher연구 논문을 Hugging Face Hub에 게시하고 관리합니다.SKILL.md
huggingface-papers마크다운 형식으로 Hugging Face 논문 페이지를 조회 및 읽고, 페이퍼 API를 사용하여 작성자, 연결된 모델/데이터셋/스페이스, Github 저장소 및 프로젝트 페이지와 같은 구조화된 메타데이터를 가져옵니다.SKILL.md
huggingface-spacesHugging Face Spaces에서 애플리케이션(Gradio/Docker/정적 SDK, ZeroGPU 및 전용 하드웨어, 모델 로딩, 디버깅, 버킷, 추론 제공자, 커뮤니티 그랜트)을 빌드, 배포 및 유지 관리합니다.SKILL.md
huggingface-tool-builder사용자가 도구/스크립트를 빌드하거나 Hugging Face API의 데이터를 활용하는 작업을 수행하려고 할 때 이 스킬을 사용합니다.SKILL.md
huggingface-trackioTrackio로 ML 훈련 실험을 추적하고 시각화합니다.SKILL.md
huggingface-vision-trainer객체 탐지(D-FINE, RT-DETR v2, DETR, YOLOS), 이미지 분류(timm 모델 - MobileNetV3, MobileViT, ResNet, ViT/DINOv3 - 및 모든 Transformers 분류기), SAM/SAM2 세그멘테이션을 위한 비전 모델을 Hugging Face Transformers 및 Hugging Face Jobs 클라우드 GPU에서 훈련 및 미세 조정합니다.SKILL.md
huggingface-zerogpuGradio Spaces 및 Hugging Face Spaces ZeroGPU를 사용한 AI 데모 및 GPU 컴퓨팅.SKILL.md
train-sentence-transformersSentenceTransformer(bi-encoder, 밀집 또는 정적 임베딩 모델, 검색/유사도/클러스터링/분류/의역 마이닝/중복 제거/멀티모달용), CrossEncoder(리랭커, 2단계 검색/쌍 분류를 위한 쌍 점수화), SparseEncoder(SPLADE, 희소 임베딩 모델, 학습된 희소 검색용) 전반에 걸쳐 sentence-transformers 모델을 훈련 또는 미세 조정합니다.SKILL.md
transformers-jsTransformers.js를 사용하여 최첨단 머신 러닝 모델을 JavaScript/TypeScript에서 직접 실행합니다.SKILL.md
trl-trainingTRL(Transformers Reinforcement Learning)을 사용하여 트랜스포머 언어 모델을 훈련하고 미세 조정합니다.SKILL.md

코딩 에이전트에서 스킬 사용하기

스킬이 설치되면 코딩 에이전트에 지시할 때 직접 언급하세요.

  • "HF LLM 트레이너 스킬을 사용하여 70B 모델 실행에 필요한 GPU 메모리를 추정해 줘."
  • "HF 모델 평가 스킬을 사용하여 최신 체크포인트에서 run_eval_job.py를 실행해 줘."
  • "HF 데이터셋 생성기 스킬을 사용하여 새로운 몇 샷 분류 템플릿을 작성해 줘."
  • "HF 논문 게시자 스킬을 사용하여 내 arXiv 논문을 인덱싱하고 내 모델에 링크해 줘."

코딩 에이전트는 작업을 수행하는 동안 해당 SKILL.md 지침과 도우미 스크립트를 자동으로 로드합니다.

스킬 기여 또는 사용자 정의

  1. 기존 스킬 폴더(예: hf-datasets/) 중 하나를 복사하고 이름을 바꿉니다.
  2. 새 폴더의 SKILL.md 프론트매터를 업데이트합니다.
    ---
    name: my-skill-name
    description: 스킬이 수행하는 작업과 사용 시기를 설명합니다
    ---
    
    # 스킬 제목
    지침 + 예제 + 안전장치
    
  3. 지침에서 참조하는 지원 스크립트, 템플릿 및 문서를 추가하거나 편집합니다.
  4. 기본적으로 .claude-plugin/marketplace.json에 스킬을 추가하지 마세요. 클라이언트 마켓플레이스는 의도적으로 hf-cli로 제한됩니다. 전체 Hub CLI 마켓플레이스는 .claude-plugin/marketplace-internal.json에 생성됩니다.
  5. 다음 명령어를 실행합니다.
    ./scripts/publish.sh
    
    생성된 모든 메타데이터를 다시 생성하고 검증합니다.
  6. 업데이트된 폴더를 사용할 수 있도록 코딩 에이전트에서 스킬 번들을 다시 설치하거나 다시 로드합니다.

마켓플레이스

.claude-plugin/marketplace.json 및 .cursor-plugin/marketplace.json 파일은 클라이언트 마켓플레이스 설치를 위해 의도적으로 hf-cli만 노출합니다. 이렇게 하면 설치 시 매니페스트가 핵심 Hub 작업에 집중되고 나머지 저장소에 대해서는 사용자를 hf skills add <skill-name>으로 안내합니다.

생성된 .claude-plugin/marketplace-internal.json 파일에는 전체 스킬 목록이 포함되어 있습니다. 게시 자동화는 이를 Hub 버킷에 marketplace.json으로 업로드하여 hf skills list, hf skills add, hf skills update가 계속해서 모든 사용 가능한 스킬을 볼 수 있도록 합니다.

최신 스킬 인식 통합은 동적으로 기능을 가져올 수도 있습니다. Hugging Face의 검색 흐름을 통해 클라이언트는 스킬, MCP 서버 및 Spaces를 검색할 수 있으며, MCP를 통한 스킬(Skills-over-MCP) 작업은 MCP 리소스를 통해 스킬을 검색하고 소비하는 방법을 표준화하고 있습니다.

추가 참고 자료

  • 최신 지침, 스크립트 및 템플릿은 huggingface/skills에서 직접 확인하세요.
  • 각 스킬 내에서 참조하는 특정 라이브러리 또는 워크플로에 대한 Hugging Face 설명서를 검토하세요.

관련 스킬