这个 Skill 能做什么，适合哪些场景？
这个技能帮助代理围绕 Hugging Face API 创建可复用的命令行脚本和实用工具。它支持直接访问 API，也支持使用 Hugging Face 的 hf 命令行工具读取模型与数据集仓库内容。技能强调调查 API 返回结构、使用 HF_TOKEN 进行授权，并通过管道和链式调用处理数据。适合需要重复执行、自动化或组合多个 Hugging Face API 调用的开发者。
它创建用于获取、丰富或处理 Hugging Face 数据的命令行脚本，调用 Hugging Face API 或 hf CLI，读取模型卡和数据集卡，并生成适合管道处理的 JSON、NDJSON 或其他命令行输出。脚本应提供 --help，非破坏性脚本应在交付前测试，并使用 HF_TOKEN 作为 API Authorization header。
- 需要批量查询模型元数据并按下载量排序的 Hugging Face 用户。
- 需要把模型 ID 从标准输入传入、逐个获取信息并输出 NDJSON 的数据工程师。
- 需要读取模型卡 YAML frontmatter 并提取许可证、任务标签或门控提示信息的开发者。
- 需要把多个 API 调用串联起来，构建可重复运行的数据获取或处理流程的团队。
如何安装这个 Skill？
- 使用HF_TOKEN时应限制令牌权限、避免在日志和命令行中暴露，并明确哪些请求会发送到huggingface.co。
- 运行示例前需确认curl、jq、python3、hf CLI及网络可达性；中国大陆网络环境可能导致核心API和下载功能失败。
- 不要将未验证的API响应、模型卡内容或下载文件直接视为可信输入；建议补充状态码、超时、重试、输入编码和测试覆盖。
- 部分脚本输出并非稳定机器可读格式，集成前应自行验证并固定输出契约。
- Shell / 命令行
- 网络访问
- 本地文件系统
curljqHugging Face hf CLI
从 huggingface/skills 仓库的 skills/huggingface-tool-builder/ 目录复制或符号链接到 Codex 标准的 .agents/skills 目录，例如项目内的 $REPO_ROOT/.agents/skills 或用户级 $HOME/.agents/skills。README 未提供该单个技能的独立安装命令；它也说明 Hugging Face 技能可通过兼容的客户端安装。
tmp="$(mktemp -d)"
git clone --depth 1 https://github.com/huggingface/skills.git "$tmp"
mkdir -p ~/.claude/skills
cp -R "$tmp/skills/huggingface-tool-builder" ~/.claude/skills/
rm -rf "$tmp"根据源仓库地址和 Skill 路径自动生成，只复制这个 Skill 的文件夹。如果上文有作者提供的安装方式，请优先按作者说明操作；想只在当前项目中使用，把 ~/.claude/skills 换成项目里的 .claude/skills。
如何使用这个 Skill？
安装后，把下面任意一句发给 Agent 即可触发：
- 使用 huggingface-tool-builder 创建一个脚本，读取模型 ID，调用 Hugging Face API 获取元数据，并输出可供 jq 处理的 NDJSON。
在支持 Agent Skills 的编码代理中提出明确请求，例如：“使用 huggingface-tool-builder 创建一个脚本，读取模型 ID，调用 Hugging Face API 获取元数据，并输出可供 jq 处理的 NDJSON。”需要授权时，将 HF_TOKEN 设置为环境变量；脚本应包含 --help，并在交付前测试非破坏性行为。
这个 Skill 有哪些优点和局限？
- 专门面向 Hugging Face API 数据获取、丰富和处理脚本。
- 支持 curl、jq、hf CLI 以及标准输入输出管道。
- 明确要求使用 HF_TOKEN，有助于获得更高限额并访问适当授权的数据。
- 提供模型搜索、模型卡解析和 NDJSON 丰富等参考示例。
- 技能内容聚焦于构建脚本，不是完整的 Hugging Face Hub 操作指南。
- 需要网络访问以及 curl、jq 或 hf CLI 等命令行工具。
- SKILL.md 没有提供特定操作系统的安装步骤或测试套件。
- 具体 API 参数和返回结构需要在设计前自行调查。
这个 Skill 与同类方案有什么区别？
与相关 Skills 并排比较；分数均按同一 FSRS 标准得出。
| Skill | FS 评分 | Star 数 | 最近更新 | License |
|---|---|---|---|---|
| Hugging Face API 工具构建器 本页 | 41 · 不推荐 | ★ 11k | 18 天前 | Apache-2.0 |
| Hugging Face API 工具构建器 | 49 · 谨慎使用 | ★ 38k | 14 天前 | MIT |
| Hugging Face 模型评测管理技能 | 54 · 谨慎使用 | ★ 38k | 14 天前 | MIT |
| HF 论文发布助手 | 45 · 不推荐 | ★ 38k | 14 天前 | MIT |
| cmux-browser：cmux 内置浏览器自动化技能 | 60 · 推荐 | ★ 28k | 12 天前 | NOASSERTION |
与 hf-cli 相比，这个技能更专注于创建可复用、可组合的 API 工具和数据管道；README 将 hf-cli 定位为核心 Hugging Face Hub 命令的推荐入口。
FollowSkills 如何评估这个 Skill？
技能要求使用HF_TOKEN并可调用Hugging Face API及hf CLI，涉及凭据和外部网络访问；虽未发现窃取、隐蔽外传或破坏性默认行为，但缺少最小权限、数据流披露、敏感数据处理、用户确认、回滚和来源验证要求，因此扣分。
文档、示例脚本和部分错误输出使常见路径看似可用；但没有针对关键路径的提交测试，网络状态码、超时、重试和输入转义处理不完整，且find_models_by_paper.sh含有未实际使用的认证命令构造和不一致的--token语义，因此扣分。静态评估上限内给分。
目标用户和主要场景较明确，覆盖API查询、模型卡处理、管道组合和可复用脚本；但输入输出契约、非适用边界、触发条件、环境依赖和中文支持不足。核心功能依赖huggingface.co及其CLI，可能受中国大陆网络可达性影响，因此扣分。
SKILL.md结构清晰，提供安装外部工具提示、帮助要求、多个示例，并有Apache-2.0许可证和仓库级CI/安全政策背景；但缺少版本锁定、变更记录、明确维护责任、更新路径、FAQ和完整依赖清单，因此扣分。
技能能够指导生成可复用的HF API脚本，并提供若干可直接组合的shell示例；但示例质量和输出格式不统一，部分脚本产生人类可读混合输出，异常场景和实际结果正确性未被提交测试证明，仍需用户审查和修正，因此扣分。静态评估上限内给分。
源文件本身可审计，示例代码、接口路径和仓库CI提供有限证据；但CI主要校验生成文件，并未覆盖该技能脚本的关键运行路径，也没有第三方执行记录或多源复核，因此扣分。静态评估上限内给分。
点击维度查看打分理由
证据充分度：低 — 主要依赖静态检查、作者材料或有限演示；适合发现线索，不适合做高风险决策。
查看完整评分方法 →