hugging-face-cli
ターミナルから Hugging Face Hub を管理
Hugging Face Hub での AI モデルやデータセットの作業には、複数のツールと手作業によるステップが必要です。このスキルは、統一されたコマンドを通じて ML リソースのダウンロード、アップロード、管理を直接 CLI で実行できるようにすることで、ワークフローを合理化します。
下载技能 ZIP
在 Claude 中上传
前往 设置 → 功能 → 技能 → 上传技能
开启并开始使用
测试它
正在使用“hugging-face-cli”。 モデルをローカルディレクトリにダウンロード
预期结果:
モデル meta-llama/Llama-3.2-1B-Instruct が ./models ディレクトリに正常にダウンロードされました。合計サイズ：15 ファイルで 2.1 GB。
正在使用“hugging-face-cli”。 キャッシュされたリポジトリの一覧表示
预期结果:
キャッシュされたリポジトリ：gpt2 (1.2 GB)、bert-base-uncased (440 MB)、t5-base (890 MB)。キャッシュ使用量合計：2.53 GB。
安全审计
安全Static analysis detected 76 patterns in documentation content, but all are false positives. The skill file is markdown documentation showing usage examples for the official Hugging Face hf CLI tool, not executable code. No actual security risks exist - external command patterns are CLI documentation examples, network references are URLs in documentation, and cryptographic warnings do not match any actual crypto implementations.
风险因素
⚙️ 外部命令 (3)
🌐 网络访问 (1)
质量评分
你能构建什么
ML エンジニアのモデルデプロイメント
Hugging Face Hub から事前トレーニング済みモデルをダウンロードして、ローカルデプロイメントと推論サービスに使用します。
研究者のデータセット管理
実験用データセットをプライベートリポジトリにアップロードし、バージョン管理されたリリースを通じて共同研究者と共有します。
開発者のキャッシュ最適化
ローカルモデルキャッシュを管理してストレージを最適化し、開発で頻繁に使用するモデルに迅速にアクセスします。
试试这些提示
モデル meta-llama/Llama-3.2-1B-Instruct をローカルモデルディレクトリにダウンロードしてください。
トレーニング済みのモデルを ./output フォルダから Hugging Face リポジトリにアップロードしてください。コミットメッセージは 'Initial model release' にしてください。
テキスト分類に関連するデータセットでダウンロード数の多いものを探し、詳細を表示してください。
現在のキャッシュ使用量を確認し、未使用のモデルを削除してから、指定されたイメージとコマンドを使用してデータセットを処理する GPU ジョブを実行してください。
最佳实践
- スクリプト作成目的でダウンロードパスのみが必要な場合は、常に --quiet フラグを使用してください
- 機密性の高いモデルやデータセットをアップロードする前に、プライベートリポジトリを作成してください
- モデルのアップデートをアップロードする際は、変更内容を明確に説明するコミットメッセージを使用してください
- デタッチされたキャッシュリビジョンを定期的に整理してディスク容量を解放してください
避免
- API キー、認証情報、機密設定データを含むファイルをパブリックリポジトリにアップロードしないでください
- 利用可能なディスク容量を事前に確認せずに大規模なモデル全体をダウンロードしないでください
- コマンド履歴やコミットメッセージに HF_TOKEN を共有しないでください
- --flavor オプションを使用してコストを見積もらずに計算ジョブを実行しないでください