TAO HuggingFace 模型集成助手
将 HuggingFace 计算机视觉模型接入 NVIDIA TAO 的训练、导出与 TensorRT 部署流程。
技能明确要求仅本地修改、禁止远程推送，并在关键阶段要求用户提供镜像、凭据和确认；但需要HF_TOKEN、NGC API key、Docker GPU权限及多仓库写权限，凭据通过环境变量传递，缺少细粒度权限说明、敏感数据处理、失败回滚和完整数据流披露，因此扣分。
文档提供了阶段门禁、构建-测试-修复循环、容器隔离和故障排查表，主路径在静态上较连贯；但大量关键步骤依赖未提供的参考文件、外部TAO仓库和特定镜像，且未有本技能关键路径的可执行测试证据，按静态上限仅给中低分。
触发条件、支持的视觉任务、拒绝的非视觉任务和阶段目标描述清楚；但环境要求非常苛刻，依赖CUDA 13、NVIDIA容器工具、NGC镜像和HF访问，未说明中国网络可达性、替代平台或更明确的非适用范围，因此扣分。
SKILL.md有较好的阶段化结构、交叉引用、版本号、Apache-2.0声明、作者和维护归属；但缺少推荐的Instructions和Examples章节，版本变更与维护更新路径不完整，作者格式不规范，且依赖和假设分散在大量外部引用中，因此扣分。
技能覆盖从HF检查到TAO训练、ONNX、TensorRT、打包和端到端验证的完整目标，附有产物链和门禁；但没有静态可验证的代表性最终产物，流程成本高且模型适配仍需大量人工实现，基于有限基准报告只能支持核心任务可能完成，故未超过静态上限。
文档包含具体命令、检查清单、产物路径和有限的评测报告；但评测仅覆盖一个计划描述任务，没有关键实现路径的提交测试套件或多来源复核，结论主要依赖作者提供的材料，因此仅给有限分。
- 该技能要求访问NGC和HuggingFace，并依赖NVIDIA GPU、CUDA 13和Docker；在中国大陆网络或无相关凭据环境中可能无法启动核心流程。
- HF_TOKEN和NGC凭据处理说明不足，执行前应确认不会写入日志、命令历史或持久化缓存。
- Phase 0包含拉取镜像、卸载预装包和清理scratch目录等状态变更；虽然目标限定为本地，但缺少通用回滚方案。
- 基准报告只有一个评测任务，不能证明完整TAO模型移植、TensorRT部署或端到端结果的可靠性。
这个 Skill 能做什么，适合哪些场景？
该技能面向希望把 HuggingFace 计算机视觉模型转化为 TAO 模型的开发者。它协调从环境检查、模型验证、代码库调研，到 tao-core 配置、tao-pytorch 训练、ONNX 导出和 tao-deploy TensorRT 部署的七阶段流程。支持分类、目标检测、语义/实例/全景分割、零样本检测和深度估计。所有修改与测试均要求在本地 Docker 环境中完成，并持续执行构建、测试、调试和重测循环。
检查 Python、Git、NVIDIA 驱动、CUDA、Docker、NVIDIA Container Toolkit、NGC 登录和 HuggingFace 凭据；准备 TAO Toolkit 容器镜像；检查 HuggingFace 模型的任务类型、配置、权重结构和 ONNX 导出；在 tao-core 中创建实验配置，在 tao-pytorch 中实现训练、推理、评估和 MLOps；在 tao-deploy 中实现 ONNX 导出、TensorRT 引擎构建、推理和评估；注册命令行入口并添加 L0 测试；在容器内执行单元测试、静态检查、构建 wheel 和端到端 train→export→TensorRT→inference/evaluate 验证；必要时进行精度、延迟或模型大小优化。
- 计算机视觉开发者希望将 HuggingFace ViT、DETR 或 SegFormer 模型接入 TAO Toolkit。
- TAO 用户需要为新的 HuggingFace 模型补充原生训练、评估、推理和配置支持。
- 部署工程师需要把 HuggingFace 模型导出为 ONNX 并构建 TensorRT 推理流程。
- 团队需要在本地 NVIDIA GPU Docker 容器中验证训练产物与 TensorRT 结果的一致性。
这个 Skill 有哪些优点和局限？
- 覆盖从模型检查到 TensorRT 部署和容器端到端验证的完整流程。
- 明确要求持续测试和失败后修复，减少未验证代码累积。
- 覆盖多种计算机视觉任务，并提供 TAO 参考模型映射思路。
- 明确限制所有修改、构建和测试留在本地。
- 运行门槛高，需要 NVIDIA GPU 软件栈、Docker、NGC 凭据、HF_TOKEN 和 TAO 容器镜像。
- 必须准备四个 TAO 代码库的本地克隆，并处理 tao-core 子模块覆盖规则。
- 源材料没有提供该特定技能的实际测试结果、性能数据或支持的平台清单。
- 技能依赖多个未在提供材料中展开的 references 文件，单独阅读摘要不足以执行完整流程。
- 默认流程不会将代码、镜像或产物上传到远程仓库或注册表。
如何安装这个 Skill？
使用 NVIDIA/skills 集合中的 skills CLI 安装：npx skills add nvidia/skills --skill tao-port-huggingface-model --yes。README 未说明该命令的具体安装目录；CLI 会提示选择安装目标。该技能位于 skills/tao-port-huggingface-model/SKILL.md。
如何使用这个 Skill？
向代理提供 HuggingFace 模型 ID 或 URL，并说明希望将其集成到 TAO Toolkit，例如：“将 HuggingFace 模型组织/模型名集成到 TAO Toolkit。”开始流程前需要准备 NGC 登录、HF_TOKEN、模型短名称，以及 tao-pytorch、tao-deploy 和可选 tao-dataservices 的准确容器镜像引用；技能会在 Phase 0 要求这些输入。