Hugging Face Skills
Hugging Face Skills são definições para tarefas de IA/ML, como criação de datasets, treinamento de modelos e avaliação. Os marketplaces de plugins de clientes expõem a habilidade hf-cli como o caminho de inicialização para operações principais do Hub; habilidades de fluxo de trabalho adicionais podem ser instaladas sob demanda com hf skills add <nome-da-habilidade> ou descobertas por clientes com suporte a habilidades via integrações CLI/MCP.
As habilidades neste repositório seguem o formato padronizado Agent Skills.
[!NOTE] Quer apenas dar ao seu agente acesso ao Hugging Face Hub? Comece com
hf-cli. É a primeira Skill recomendada para instalar: ela ensina ao seu agente todos os comandoshf(pesquisar modelos, gerenciar datasets e buckets, iniciar Spaces, executar jobs) e é gerada a partir da sua CLI instalada localmente, mantendo-se sempre atualizada.
Como as Skills funcionam?
Na prática, as skills são pastas autocontidas que empacotam instruções, scripts e recursos para um agente de IA usar em um caso de uso específico. Cada pasta inclui um arquivo SKILL.md com frontmatter YAML (nome e descrição) seguido pelas orientações que seu agente de codificação segue enquanto a skill está ativa.
[!TIP] Se o seu agente não suporta skills, você pode usar
agentsmd/AGENTS.mddiretamente como alternativa.
A skill hf-cli neste repositório também está disponível através de:
- Cursor Marketplace (https://cursor.com/marketplace/huggingface)
- Codex Plugins Directory (https://developers.openai.com/codex/plugins)
Instalação
As Hugging Face skills são compatíveis com Claude Code, Codex, Gemini CLI e Cursor.
Claude Code
- Registre o repositório como um marketplace de plugins:
/plugin marketplace add huggingface/skills
- Instale a skill CLI:
/plugin install hf-cli@huggingface/skills
- Para instalar outra Hugging Face skill, use o CLI
hf:
hf skills add <nome-da-habilidade>
Codex
-
Copie ou crie links simbólicos para quaisquer skills que você queira usar do diretório
skills/deste repositório em um dos locais padrão de.agents/skillsdo Codex (por exemplo,$REPO_ROOT/.agents/skillsou$HOME/.agents/skills) conforme descrito no Guia de Skills do Codex. -
Uma vez que uma skill esteja disponível em um desses locais, o Codex a descobrirá usando o padrão Agent Skills e carregará as instruções do
SKILL.mdquando decidir usar essa skill ou quando você a invocar explicitamente. -
Se a sua configuração do Codex ainda depende de
AGENTS.md, você pode usar o arquivoagentsmd/AGENTS.mdgerado neste repositório como um pacote alternativo de instruções.
Gemini CLI
-
Este repositório inclui
gemini-extension.jsonpara integração com o Gemini CLI. -
Instale localmente:
gemini extensions install . --consent
ou use a URL do GitHub:
gemini extensions install https://github.com/huggingface/skills.git --consent
- Consulte a documentação de extensões do Gemini CLI para mais ajuda.
Cursor
Este repositório inclui manifestos de plugin do Cursor:
.cursor-plugin/plugin.json.mcp.json(configurado com a URL do servidor MCP do Hugging Face)
Instale a partir da URL do repositório (ou checkout local) através do fluxo de plugins do Cursor. A entrada do marketplace é intencionalmente limitada a hf-cli; use hf skills add <nome-da-habilidade> para instalar skills de fluxo de trabalho adicionais.
Para colaboradores, regenere os manifestos com:
./scripts/publish.sh
O que skills faz?
Este repositório contém algumas skills para você começar. Você também pode contribuir com suas próprias skills para o repositório.
Skills disponíveis
| Nome | Descrição | Documentação |
|---|---|---|
hf-cli | CLI do Hugging Face Hub (hf) para baixar, enviar e gerenciar modelos, datasets, spaces, buckets, repositórios, papers, jobs e mais no Hugging Face Hub. | SKILL.md |
hf-cloud-aws-context-discovery | Descubra o contexto AWS local do usuário (perfil ativo, região, ID da conta, identidade do caller) no início de qualquer tarefa AWS. | SKILL.md |
hf-cloud-python-env-setup | Configure um ambiente Python isolado para trabalho com SageMaker/AWS, com a versão correta do Python e boto3 atualizado. | SKILL.md |
hf-cloud-sagemaker-deployment-planner | Planeje e coordene a implantação de um modelo no Amazon SageMaker AI. | SKILL.md |
hf-cloud-sagemaker-iam-preflight | Garanta que uma função de execução SageMaker utilizável exista antes de implantar ou treinar. | SKILL.md |
hf-cloud-sagemaker-production-defaults | Crie um endpoint SageMaker (tempo real, tempo real com scale-to-zero ou assíncrono) com autoscaling, alarmes CloudWatch e marcação habilitados por padrão. | SKILL.md |
hf-cloud-serving-image-selection | Escolha o contêiner de serviço correto para uma implantação de modelo SageMaker e encontre seu URI de imagem atual. | SKILL.md |
hf-mem | CLI do Hugging Face para estimar a memória necessária para carregar pesos de modelo Safetensors ou GGUF para inferência do Hugging Face Hub | SKILL.md |
huggingface-best | Use quando o usuário perguntar sobre encontrar o melhor, top ou modelo recomendado para uma tarefa, quiser saber qual modelo de IA usar, ou quiser comparar modelos por pontuações de benchmark. | SKILL.md |
huggingface-community-evals | Execute avaliações para modelos do Hugging Face Hub usando inspect-ai e lighteval em hardware local. | SKILL.md |
huggingface-datasets | Use esta skill para fluxos de trabalho da API Hugging Face Dataset Viewer que buscam metadados de subconjuntos/splits, paginam linhas, pesquisam texto, aplicam filtros, baixam URLs parquet e leem tamanho ou estatísticas. | SKILL.md |
huggingface-gradio | Crie UIs web e demos Gradio em Python. | SKILL.md |
huggingface-llm-trainer | Treine ou ajuste modelos de linguagem e visão usando TRL (Transformer Reinforcement Learning) ou Unsloth com a infraestrutura de Jobs do Hugging Face. | SKILL.md |
huggingface-local-models | Use para selecionar modelos para executar localmente com llama.cpp e GGUF em CPU, Mac Metal, CUDA ou ROCm. | SKILL.md |
huggingface-lora-space-builder | Construa e publique um demo Gradio no Hugging Face Spaces para um LoRA fornecido pelo usuário. | SKILL.md |
huggingface-paper-publisher | Publique e gerencie artigos de pesquisa no Hugging Face Hub. | SKILL.md |
huggingface-papers | Consulte e leia páginas de artigos do Hugging Face em markdown, e use a API de papers para metadados estruturados como autores, modelos/datasets/spaces vinculados, repositório Github e página do projeto. | SKILL.md |
huggingface-spaces | Construa, implante e mantenha aplicações no Hugging Face Spaces — Gradio/Docker/Static SDKs, ZeroGPU e hardware dedicado, carregamento de modelos, depuração, buckets, provedores de inferência, subsídios da comunidade. | SKILL.md |
huggingface-tool-builder | Use esta skill quando o usuário quiser construir ferramentas/scripts ou realizar uma tarefa onde usar dados da API Hugging Face ajudaria. | SKILL.md |
huggingface-trackio | Acompanhe e visualize experimentos de treinamento de ML com Trackio. | SKILL.md |
huggingface-vision-trainer | Treina e ajusta modelos de visão para detecção de objetos (D-FINE, RT-DETR v2, DETR, YOLOS), classificação de imagens (modelos timm — MobileNetV3, MobileViT, ResNet, ViT/DINOv3 — além de qualquer classificador Transformers) e segmentação SAM/SAM2 usando Hugging Face Transformers em GPUs de nuvem dos Hugging Face Jobs. | SKILL.md |
huggingface-zerogpu | Demos de IA e computação GPU com Gradio Spaces e Hugging Face Spaces ZeroGPU. | SKILL.md |
train-sentence-transformers | Treine ou ajuste modelos sentence-transformers em SentenceTransformer (bi-encoder; modelo de embedding denso ou estático; para recuperação, similaridade, clustering, classificação, mineração de paráfrases, dedup, multimodal), CrossEncoder (reranker; pontuação de pares para recuperação em dois estágios / classificação de pares) e SparseEncoder (SPLADE, modelo de embedding esparso; para recuperação esparsa aprendida). | SKILL.md |
transformers-js | Use Transformers.js para executar modelos de machine learning de ponta diretamente em JavaScript/TypeScript. | SKILL.md |
trl-training | Treine e ajuste modelos de linguagem transformer usando TRL (Transformers Reinforcement Learning). | SKILL.md |
Usando skills no seu agente de codificação
Depois que uma skill estiver instalada, mencione-a diretamente ao dar instruções ao seu agente de codificação:
- "Use a skill HF LLM trainer para estimar a memória GPU necessária para uma execução de modelo 70B."
- "Use a skill HF model evaluation para iniciar
run_eval_job.pyno checkpoint mais recente." - "Use a skill HF dataset creator para criar novos modelos de classificação few-shot."
- "Use a skill HF paper publisher para indexar meu artigo do arXiv e vinculá-lo ao meu modelo."
Seu agente de codificação carrega automaticamente as instruções SKILL.md e scripts auxiliares correspondentes enquanto conclui a tarefa.
Contribua ou personalize uma skill
- Copie uma das pastas de skill existentes (por exemplo,
hf-datasets/) e renomeie-a. - Atualize o frontmatter
SKILL.mdda nova pasta:--- name: my-skill-name description: Descreva o que a skill faz e quando usá-la --- # Título da Skill Orientações + exemplos + proteções - Adicione ou edite scripts de suporte, modelos e documentos referenciados por suas instruções.
- Não adicione a skill ao
.claude-plugin/marketplace.jsonpor padrão. Os marketplaces de clientes são intencionalmente limitados ahf-cli; o marketplace completo da CLI Hub é gerado em.claude-plugin/marketplace-internal.json. - Execute:
para regenerar e validar todos os metadados gerados../scripts/publish.sh - Reinstale ou recarregue o pacote de skills no seu agente de codificação para que a pasta atualizada esteja disponível.
Marketplace
Os arquivos .claude-plugin/marketplace.json e .cursor-plugin/marketplace.json expõem intencionalmente apenas hf-cli para instalação via marketplace do cliente. Isso mantém os manifestos de instalação focados em operações principais do Hub e direciona os usuários para hf skills add <nome-da-habilidade> para o restante do repositório.
O arquivo gerado .claude-plugin/marketplace-internal.json contém a lista completa de skills. A automação de publicação o envia para o bucket do Hub como marketplace.json para que hf skills list, hf skills add e hf skills update continuem vendo todas as skills disponíveis.
Integrações mais recentes com suporte a skills também podem obter capacidades dinamicamente. O fluxo de descoberta do Hugging Face permite que clientes pesquisem skills, servidores MCP e Spaces, enquanto o trabalho Skills-over-MCP está padronizando como as skills são descobertas e consumidas através de recursos MCP.
Referências adicionais
- Navegue pelas instruções, scripts e modelos mais recentes diretamente em huggingface/skills.
- Revise a documentação do Hugging Face para as bibliotecas ou fluxos de trabalho específicos que você referenciar dentro de cada skill.