Compétences hugging-face-jobs
📦

hugging-face-jobs

Sûr

Exécuter des charges de travail ML sur le cloud Hugging Face

Exécutez des charges de travail GPU/TPU sans configuration matérielle locale. Soumettez des scripts Python à l'infrastructure managée Hugging Face Jobs avec authentification sécurisée par token.

Prend en charge: Claude Codex Code(CC)
🥉 72 Bronze
1

Télécharger le ZIP du skill

2

Importer dans Claude

Allez dans Paramètres → Capacités → Skills → Importer un skill

3

Activez et commencez à utiliser

Tester

Utilisation de "hugging-face-jobs". Soumettre un script UV pour l'analyse de sentiment

Résultat attendu:

Job submitted successfully. Job ID: job_abc123. Monitor at https://huggingface.co/jobs/username/job_abc123. Estimated completion: 5 minutes.

Utilisation de "hugging-face-jobs". Vérifier le statut des jobs en cours

Résultat attendu:

Found 2 running jobs: job_abc123 (RUNNING, 45% complete), job_def456 (QUEUED). Use hf_jobs('logs', {'job_id': 'job_abc123'}) to view logs.

Audit de sécurité

Sûr
v1 • 2/25/2026

All 284 static analysis findings are false positives. The 'Ruby/shell backtick execution' detections are actually Python code examples in markdown documentation. 'Hardcoded URLs' are legitimate documentation links to Hugging Face resources. Environment variable access (HF_TOKEN) is documented authentication behavior for Hub operations. No malicious patterns detected.

1
Fichiers analysés
1,039
Lignes analysées
0
résultats
1
Total des audits
Aucun problème de sécurité trouvé
Audité par: claude

Score de qualité

38
Architecture
100
Maintenabilité
87
Contenu
50
Communauté
100
Sécurité
78
Conformité aux spécifications

Ce que vous pouvez construire

Ingénieur ML exécutant de l'inférence par lots

Traitez des milliers d'échantillons à travers un modèle en utilisant des GPUs cloud sans investissement matériel local. Soumettez des scripts UV avec vLLM pour une génération à haut débit.

Data Scientist transformant des datasets

Exécutez des pipelines de traitement de données sur des datasets Hugging Face en utilisant Polars ou Pandas. Poussez les résultats transformés vers Hub de manière sécurisée.

Chercheur exécutant des expériences

Exécutez des expériences ML reproductibles avec des jobs planifiés. Surveillez la progression via les URLs de jobs et récupérez les résultats depuis les repositories Hub.

Essayez ces prompts

Exécution de script de base 
Run this Python script on Hugging Face Jobs: [paste script]. Use CPU and 30 minute timeout.
Inférence GPU avec authentification par token 
Execute this inference script on an A10G GPU. Push results to my Hub repo username/results. Include HF_TOKEN authentication.
Traitement de données planifié 
Create a scheduled job that runs this data transformation script daily at 9 AM. Use cpu-upgrade hardware and persist output to Hub.
Charge de travail personnalisée basée sur Docker 
Run this command using the pytorch/pytorch CUDA image on an A100 GPU. Set timeout to 4 hours and monitor for completion.

Bonnes pratiques

  • Utilisez toujours secrets={'HF_TOKEN': '$HF_TOKEN'} pour l'authentification Hub - ne codez jamais les tokens en dur
  • Définissez des timeouts appropriés avec une marge de 20-30% pour votre type de charge de travail
  • Persistez les résultats sur Hub ou un stockage externe avant la fin du job - l'environnement est éphémère

Éviter

  • Utiliser des chemins de fichiers locaux avec l'outil MCP hf_jobs() - les scripts doivent être du code inline ou des URLs
  • Interroger le statut des jobs de manière répétée - attendez que l'utilisateur demande des vérifications de statut
  • Utiliser env au lieu de secrets pour les tokens - les variables d'environnement sont visibles dans les logs

Foire aux questions

Ai-je besoin d'un plan Hugging Face payant pour utiliser Jobs ?
Oui. Hugging Face Jobs nécessite un plan Pro, Team ou Enterprise. Les comptes gratuits ne peuvent pas soumettre de jobs.
Comment authentifier mes jobs avec le Hub ?
Utilisez secrets={'HF_TOKEN': '$HF_TOKEN'} dans la configuration de votre job. Le placeholder $HF_TOKEN est automatiquement remplacé par votre token connecté.
Que se passe-t-il avec mes résultats après la fin du job ?
Tous les fichiers sont supprimés lorsque le job se termine. Vous devez pousser les résultats vers Hugging Face Hub, les uploader vers un stockage cloud (S3/GCS), ou les envoyer via API avant la fin.
Puis-je utiliser des fichiers de scripts locaux avec hf_jobs() ?
Non. L'outil MCP hf_jobs() nécessite du contenu de script inline ou une URL. Lisez les fichiers locaux avec Path('script.py').read_text() et passez la chaîne de contenu.
Comment choisir le bon GPU pour ma charge de travail ?
Commencez avec t4-small pour les tests. Utilisez a10g-large pour les modèles 7-13B. Utilisez a100-large pour les modèles 13B+. Consultez le guide matériel dans cette skill pour des recommandations détaillées.
Puis-je planifier des jobs pour qu'ils s'exécutent automatiquement ?
Oui. Utilisez hf_jobs('scheduled uv', {...}) avec un paramètre schedule comme '@daily' ou l'expression CRON '0 9 * * 1' pour 9h le lundi.

Détails du développeur

Auteur

sickn33

Licence

Complete terms in LICENSE.txt

Dépôt

https://github.com/sickn33/antigravity-awesome-skills/tree/main/skills/hugging-face-jobs

Réf

main

Structure de fichiers

📄 SKILL.md