本文翻译自 Hugging Face Skills，原载于 Hacker News。
什么是 Hugging Face Skills？
如果你是 AI 开发者，一定对各种 coding agent（编程代理） 不陌生——Claude Code、Cursor、OpenAI Codex、Google Gemini CLI 等工具正在改变我们写代码的方式。但这些通用的编程助手往往对机器学习领域的专业任务”不太懂行”。
Hugging Face Skills 就是为了解决这个问题而生的。它是一套标准化的 AI/ML 任务定义，专门用于数据集创建、模型训练、评估等机器学习工作流。更重要的是，它兼容所有主流的编程代理工具。
简单来说，Skills 让你的 AI 编程助手”学会”了 Hugging Face 的生态系统。
Skills 的工作原理
从实践角度看，每个 Skill 都是一个自包含的文件夹，打包了指令、脚本和资源。核心文件是 SKILL.md，包含：
- YAML 前置信息：名称和描述
- 详细指导：编程代理在执行任务时遵循的步骤
值得一提的是，”Skills” 这个术语来自 Anthropic，其他工具有不同的叫法：
- OpenAI Codex 使用
AGENTS.md文件 - Google Gemini 使用
gemini-extension.json定义 “extensions”
但 Hugging Face 这个仓库兼容所有格式，一处定义，多处使用。
安装方式
Claude Code
# 1. 注册插件市场
/plugin marketplace add huggingface/skills
# 2. 安装特定的 skill
/plugin install <skill-name>@huggingface/skills
# 例如安装 Hugging Face CLI skill
/plugin install hugging-face-cli@huggingface/skills
OpenAI Codex
Codex 会通过 AGENTS.md 文件自动识别 skills：
codex --ask-for-approval never "Summarize the current instructions."
Gemini CLI
# 本地安装
gemini extensions install . --consent
# 或从 GitHub URL 安装
gemini extensions install https://github.com/huggingface/skills.git --consent
Cursor
仓库包含 Cursor 插件配置文件（.cursor-plugin/plugin.json 和 .mcp.json），可以通过 Cursor 的插件流程安装。
可用的 Skills 一览
目前仓库提供了以下 Skills：
| Skill 名称 | 功能描述 |
|---|---|
hugging-face-cli |
使用 hf CLI 执行 Hub 操作：下载模型/数据集、上传文件、管理仓库、运行云端计算任务 |
hugging-face-datasets |
创建和管理数据集：初始化仓库、定义配置、流式更新数据行、基于 SQL 的数据查询和转换 |
hugging-face-evaluation |
管理模型评估结果：从 README 提取评估表格、导入 Artificial Analysis API 分数、使用 vLLM/lighteval 运行自定义评估 |
hugging-face-jobs |
在 Hugging Face 基础设施上运行计算任务：执行 Python 脚本、管理定时任务、监控任务状态 |
hugging-face-model-trainer |
使用 TRL 训练或微调语言模型：支持 SFT、DPO、GRPO 和奖励建模，包含 GGUF 转换、硬件选择、成本估算等 |
hugging-face-paper-publisher |
发布和管理研究论文：创建论文页面、关联模型/数据集、生成专业的 markdown 研究文章 |
hugging-face-tool-builder |
构建 Hugging Face API 操作的可复用脚本，适合链式 API 调用或自动化重复任务 |
hugging-face-trackio |
使用 Trackio 追踪和可视化 ML 训练实验：通过 Python API 记录指标，支持实时仪表板 |
实际使用示例
安装 Skill 后，直接在给编程代理的指令中引用即可：
- “使用 HF LLM trainer skill 估算 70B 模型需要的 GPU 内存”
- “使用 HF model evaluation skill 在最新的 checkpoint 上运行
run_eval_job.py” - “使用 HF dataset creator skill 起草新的 few-shot 分类模板”
- “使用 HF paper publisher skill 索引我的 arXiv 论文并关联到我的模型”
编程代理会自动加载对应的 SKILL.md 指令和辅助脚本来完成任务。
如何贡献自定义 Skill
- 复制现有的 Skill 文件夹（如
hf-datasets/）并重命名 - 更新
SKILL.md的前置信息：
---
name: my-skill-name
description: 描述这个 Skill 的功能和适用场景
---
# Skill 标题
详细指导 + 示例 + 边界约束
- 添加或编辑相关的脚本、模板和文档
- 在
.claude-plugin/marketplace.json中添加条目 - 运行验证脚本重新生成元数据
- 在编程代理中重新安装或重新加载 Skill
个人观点
这套 Skills 体系让我想到了”给 AI 装上专业技能包“的概念。通用的编程助手很强，但在特定领域（如机器学习）往往会”力不从心”。Hugging Face 通过标准化的 Skill 定义，让 AI 代理能够：
- 理解领域知识：知道如何正确使用 hf CLI、如何配置训练参数
- 遵循最佳实践：自动应用 ML 工程中的规范和约定
- 复用工作流：将复杂的多步骤任务打包成可复用的”技能”
对于国内的 AI 开发者，这个思路非常值得借鉴。无论你用的是 LangChain、LlamaIndex 还是其他 agent 框架，都可以考虑为自己的业务场景定义类似的”技能包”。
总结
Hugging Face Skills 的核心价值在于：
- 跨平台兼容：一次定义，Claude、Cursor、Codex、Gemini 都能用
- 专业领域支持：让通用编程助手具备 ML 专家能力
- 开源可扩展：可以自由贡献和定制自己的 Skills
- 实用性强：覆盖了从数据集管理到模型训练的完整 ML 工作流
如果你在用 AI 编程助手做机器学习开发，强烈建议试试这套 Skills——它能让你的 AI 助手从”能写代码”升级为”懂机器学习工程”。