hugging-face-jobs
Выполнение ML-нагрузок в облаке Hugging Face
Запускайте GPU/TPU-нагрузки без локальной настройки оборудования. Отправляйте Python-скрипты в управляемую инфраструктуру Hugging Face Jobs с безопасной аутентификацией по токену.
Die Skill-ZIP herunterladen
In Claude hochladen
Gehe zu Einstellungen → Fähigkeiten → Skills → Skill hochladen
Einschalten und loslegen
Teste es
Verwendung von "hugging-face-jobs". Отправить UV-скрипт для анализа тональности
Erwartetes Ergebnis:
Задача успешно отправлена. ID задачи: job_abc123. Отслеживайте на https://huggingface.co/jobs/username/job_abc123. Ожидаемое время завершения: 5 минут.
Verwendung von "hugging-face-jobs". Проверить состояние выполняющихся задач
Erwartetes Ergebnis:
Найдено 2 выполняющиеся задачи: job_abc123 (ВЫПОЛНЯЕТСЯ, 45% завершено), job_def456 (В ОЧЕРЕДИ). Используйте hf_jobs('logs', {'job_id': 'job_abc123'}) для просмотра логов.
Sicherheitsaudit
SicherAll 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.
Qualitätsbewertung
Was du bauen kannst
ML-инженер, выполняющий пакетный вывод
Обрабатывайте тысячи образцов через модель с использованием облачных GPU без локальных аппаратных затрат. Отправляйте UV-скрипты с vLLM для высокопроизводительной генерации.
Data Scientist, трансформирующий наборы данных
Выполняйте конвейеры обработки данных в наборах данных Hugging Face с помощью Polars или Pandas. Безопасно отправляйте трансформированные результаты обратно в Hub.
Исследователь, запускающий эксперименты
Выполняйте воспроизводимые ML-эксперименты с запланированными задачами. Отслеживайте прогресс через URL-адреса задач и получайте результаты из репозиториев Hub.
Probiere diese Prompts
Запустите этот Python-скрипт на Hugging Face Jobs: [вставьте скрипт]. Используйте CPU и тайм-аут 30 минут.
Выполните этот скрипт вывода на GPU A10G. Отправьте результаты в мой репозиторий Hub username/results. Включите аутентификацию HF_TOKEN.
Создайте запланированную задачу, которая запускает этот скрипт трансформации данных ежедневно в 9:00. Используйте оборудование cpu-upgrade и сохраняйте вывод в Hub.
Выполните эту команду с использованием образа pytorch/pytorch CUDA на GPU A100. Установите тайм-аут 4 часа и отслеживайте завершение.
Bewährte Verfahren
- Всегда используйте secrets={'HF_TOKEN': '$HF_TOKEN'} для аутентификации с Hub - никогда не хардкодьте токены
- Устанавливайте соответствующие тайм-ауты с запасом 20-30% для вашего типа нагрузки
- Сохраняйте результаты в Hub или внешнее хранилище до завершения задачи - среда эфемерна
Vermeiden
- Использование локальных путей к файлам с MCP-инструментом hf_jobs() - скрипты должны быть встроенным кодом или URL-адресами
- Постоянный опрос состояния задачи - ждите запроса пользователя для проверки статуса
- Использование env вместо secrets для токенов - переменные env видны в логах