huggingface-spaces-huggingface-skills

一、基本信息

项目	内容	数据来源
正式名称	huggingface-spaces（合集仓库子目录名）	目录名
所属合集仓库	huggingface/skills（Hugging Face 官方维护的 Agent Skills 仓库，覆盖数据集、模型训练、评测、Spaces 部署等 20 余个子技能）	GitHub API
作者/维护者	Hugging Face 官方	GitHub 组织账号
来源链接	https://github.com/huggingface/skills/tree/main/skills/huggingface-spaces	—
许可证	Apache License 2.0（仓库根 LICENSE 文件实测）	仓库文件实测
所属合集仓库整体 Stars/Forks	10,834 / 721（注：该数字属整个合集仓库，覆盖 20 余个子技能，不代表本技能自身热度，仅供了解所属仓库规模）	GitHub API
该技能自身活跃度	该目录下 4 次实质性提交，最近一次 2026-07-13（登录方式优化、补充说明文档）；仓库整体近一天内仍有提交，非弃置	GitHub Commits API（路径限定查询）
最新版本	无独立版本号（随仓库整体迭代，仓库未使用 GitHub Releases 机制）	GitHub API 实测
安装方式	见第十章	仓库根 README

二、功能介绍与亮点

huggingface-spaces 教会 AI 编程 Agent 创建、部署与调试 Hugging Face Spaces——一个已托管超过 100 万个应用的机器学习应用托管平台。核心能力：

三种应用形态全覆盖：Gradio（Python 快速原型，支持 ZeroGPU 动态 GPU 分配）、Docker（任意技术栈容器，如 Streamlit/Argilla）、Static（纯前端/浏览器端推理，如基于 transformers.js 的 WebGPU 应用）
硬件选择指导：从免费的 cpu-basic、ZeroGPU（按请求动态分配 A10G / RTX PRO 6000 GPU，创建者免费）到按小时计费的专用 GPU（T4/L4/A10G/A100/H200）逐一给出适用场景
“线上环境即测试环境”方法论：明确指导 Agent 不要在本地调试，而是直接推送到 Space 并用四步法验证——存活检查 → 构建日志检查 → API 实际响应检查 → 输出内容字节级嗅探，避免“状态显示 RUNNING 但功能已损坏”的误报
已知错误速查表：references/known-errors.md 收录 ZeroGPU / Gradio / 依赖相关的常见报错与对应的一到两行修复方案
进阶主题独立成册：持久化存储（buckets）、非付费用户申请社区 GPU 配额、多供应商推理代理（Cerebras/Fireworks/Together 等零显存调用大模型）均有专题参考文档

三、适用场景

所属分类：集成与工作流自动化

面向已经在用 Claude Code / Codex 等编程 Agent、希望把训练好的模型或 AI Demo 快速部署成可分享网页应用的开发者与机器学习爱好者——尤其适合没有自建 GPU 服务器、想借助免费 GPU 额度发布原型的初中级用户，也适合需要为团队内部工具或作品集搭建演示页面的场景。

四、跨 Agent 兼容性

Claude Code：✅ 原生支持——官方 README 提供插件市场安装路径（/plugin marketplace add huggingface/skills）与按需添加子技能的 hf skills add 命令
Codex：✅ 原生支持——官方文档说明可将技能目录复制或软链接到 Codex 标准的 .agents/skills 位置，由 Codex 按 Agent Skills 标准自动发现
OpenClaw：❓ 未验证——抓取到的官方材料未提及
Hermes Agent：❓ 未验证——抓取到的官方材料未提及

（背景信息：该技能同时以 Gemini CLI 扩展、Cursor 插件形式分发，但这两个客户端不在本报告固定评估的四个生态之内。）

五、推荐理由

官方 Hugging Face 出品，文档详尽且提供免费 GPU 起步路径，能让 Agent 独立完成“训练模型→部署为可分享 Demo”的完整闭环，尤其适合缺乏自建算力的个人开发者。

六、评分

维度	分数	说明
受欢迎程度	8	Hugging Face 是机器学习社区公认的一线机构，所属仓库整体 10,834 星；作为合集仓库子技能不套用整体星数，改以该子目录自身提交活跃度（4 次提交，最近一次 5 天前）与官方持续维护作为佐证
可用性	9	SKILL.md 逾 200 行，另附 7 篇专题参考文档；免费层（cpu-basic / ZeroGPU）即可零成本起步，5 天内有实质更新；官方为 Claude Code、Codex 等主流客户端提供明确安装路径
安全性	9	纯部署指导类技能，未发现可疑指令；涉及的 shell 操作均为用户主动触发的部署/查询命令，范围明确；HF_TOKEN 凭据要求以环境变量或 CLI 登录方式存储，披露清晰；Apache 2.0 开源可审计，仓库近一天内仍有提交

综合评分：8.7

安全检查清单逐项结果： ① Shell 命令：仅执行 hf CLI 相关部署/查询命令（如 hf upload、hf spaces logs），均为用户主动触发的部署操作，权限范围明确 ② 联网外发：需要与 Hugging Face Hub 通信以完成部署/推送，属技能核心功能的必要通信，非隐蔽外发 ③ API Key/凭据：需要具写权限的 HF_TOKEN，官方文档要求以环境变量或 hf auth login 方式管理，未见硬编码要求 ④ 可疑指令：SKILL.md 与参考文档通篇为部署/调试指导，未发现要求执行越权操作或提示词注入迹象 ⑤ 作者信誉：Hugging Face 官方仓库，机构信誉高 ⑥ License：Apache License 2.0，明确 ⑦ 最近维护：该子目录 4 次提交，最近一次 2026-07-13；仓库整体近一天内有提交，非弃置项目

七、跟同类 Skills 相比的优势

项目	定位	与本技能的差异
Vercel / Netlify 类部署技能	通用 Web 应用与静态站点部署	面向前端应用而非机器学习模型，无原生 GPU 推理支持，托管 AI 应用需自行接入外部推理 API
Modal（modal.com）	Serverless GPU 计算平台	按用量计费的无服务器 GPU，没有长期免费 GPU 额度；更偏底层计算任务编排，而非面向 Demo/应用的一体化托管
Replicate	托管的预置模型推理 API	提供的是“调用已部署模型”的 API 访问，而非“托管自己训练的应用/模型”；不涉及 Gradio/Docker 等自建界面能力

八、用户评价

经检索 Reddit、Hacker News、X/Twitter 等第三方平台，目前尚未发现与 huggingface-spaces 这一子技能直接相关、可具名归因的独立用户评价。

九、其他补充

Hugging Face Skills 遵循开放的 Agent Skills 标准（agentskills.io），因此该技能同时以 Gemini CLI 扩展、Cursor 插件等形式分发，理论上具备跨客户端复用潜力。同仓库下的 hf-cli 技能是配套的 Hugging Face Hub 基础操作入口，官方建议作为该生态的第一个技能安装。

十、安装使用方式

Claude Code：

/plugin marketplace add huggingface/skills
/plugin install hf-cli@huggingface/skills
hf skills add huggingface-spaces --claude --global

Codex： 将仓库 skills/huggingface-spaces 目录复制或软链接到 Codex 标准位置（如 $REPO_ROOT/.agents/skills 或 $HOME/.agents/skills），Codex 会按 Agent Skills 标准自动发现并加载。

安装后注意事项： 需先执行 hf auth login 完成账号登录（或提供具写权限的 Token），部署相关命令依赖本机已安装 hf CLI（pip install -U huggingface_hub）；无需重启 Agent，安装后即可在对话中触发。

十一、注意事项

ZeroGPU 动态 GPU、专用 GPU 与 Buckets 持久化存储为付费/受限功能：个人创建者的 ZeroGPU 免费，但访客侧存在每日配额限制（约 5 分钟/天，Pro/Enterprise 配额更高）；专用 GPU 与 Buckets 需账户具备付费能力（canPay=True）
作为合集仓库中的子技能，随 huggingface/skills 整体仓库迭代，无独立版本号，未来目录结构可能调整
OpenClaw、Hermes Agent 的兼容性未在可抓取的官方材料中找到明确说明，建议实际使用前自行验证