Skills Hugging Face

Ajouter des descriptions pour les nouveaux modèles du routeur HuggingFace à la configuration chat-ui. À utiliser lorsque de nouveaux modèles sont publiés sur le routeur et nécessitent des descriptions…

Fixes broken typing checks detected by ty, make typing, or make check-repo. Use when typing errors appear in local runs, CI, or PR logs.

Corrige les vérifications de typage défectueuses détectées par ty, make typing ou make check-repo. À utiliser lorsque des erreurs de typage apparaissent dans les exécutions locales, l’intégration continue ou les logs de PR.

Review code changes for bugs and alignment with OpenEnv principles and RFCs. Use when reviewing PRs, checking code before commit, or when asked to review…

Examiner les modifications de code pour détecter les bogues et vérifier la conformité avec les principes d'OpenEnv et les RFC. Utiliser lors de la révision de PR, de la vérification du code avant un commit, ou lorsqu'on vous demande de réviser…

Fournit des conseils pour écrire, optimiser et évaluer les performances des kernels CPU C++ avec les intrinsèques SIMD (AVX2/AVX512) pour l'écosystème de kernels Hugging Face. Inclut…

Provides guidance for writing, optimizing, and benchmarking C++ CPU kernels with SIMD intrinsics (AVX2/AVX512) for the Hugging Face kernels ecosystem. Includes…

Provides guidance for writing and benchmarking optimized CUDA kernels for NVIDIA GPUs (H100, A100, T4) targeting HuggingFace diffusers and transformers…

Fournit des conseils pour écrire et évaluer des noyaux CUDA optimisés pour les GPU NVIDIA (H100, A100, T4) destinés aux diffuseurs et transformateurs HuggingFace…

Use when the user has written (or wants to write) a `ModularPipelineBlocks` subclass in a local Python file and needs to package it into a Hub-uploadable…

Déployer un environnement OpenEnv sur Hugging Face Spaces. Utiliser lorsqu'on demande de déployer, pousser vers Hugging Face ou mettre à jour un espace.

Deploy an OpenEnv environment to Hugging Face Spaces. Use when asked to deploy, push to Hugging Face, or update a space.

Use when the user wants to run a diffusers pipeline from a terminal (one-off generation, batch jobs, smoke-testing a new model), run on HF Sandbox hardware via…

Compétence d'exemple pour les tests de fumée d'action.

Example fixture skill for action smoke tests

Générer des environnements OpenEnv à partir d'un cas d'utilisation concret (par exemple, "générer un environnement pour la bibliothèque textarena"). Utiliser lorsqu'on demande de concevoir ou d'implémenter un nouveau…

Générer des environnements OpenEnv à partir d’un cas d’utilisation concret (par exemple, « générer un environnement pour la bibliothèque textarena »). À utiliser lorsque l’on demande de concevoir ou d’implémenter un nouveau…

Construire des interfaces web et démos Gradio en Python. À utiliser lors de la création ou de la modification d'applications, composants, écouteurs d'événements, mises en page ou chatbots Gradio.

Hugging Face Hub CLI (`hf`) for downloading, uploading, and managing models, datasets, spaces, buckets, repos, papers, jobs, and more on the Hugging Face Hub.…

Hugging Face Hub CLI (`hf`) for downloading, uploading, and managing repositories, models, datasets, and Spaces on the Hugging Face Hub. Replaces now…

Hugging Face Hub CLI (`hf`) for downloading, uploading, and managing repositories, models, datasets, and Spaces on the Hugging Face Hub. Replaces now…

Découvrir le contexte AWS local de l'utilisateur (profil actif, région, ID de compte, identité de l'appelant) au début de toute tâche AWS. Utilisez cette compétence avant toute autre tâche AWS…

Configurer un environnement Python isolé pour le travail avec SageMaker / AWS, avec la bonne version de Python et la version actuelle de boto3. Utilisez cette compétence chaque fois que du code Python sera…

Planifier et coordonner le déploiement d’un modèle sur Amazon SageMaker AI. Utilisez cette compétence chaque fois que l’utilisateur souhaite déployer, héberger, servir ou exposer un modèle sur…

Assurez-vous qu'un rôle d'exécution SageMaker utilisable existe avant de déployer ou d'entraîner. Utilisez cette compétence chaque fois que vous êtes sur le point de créer un point de terminaison, un modèle, un entraînement SageMaker…

Créer un endpoint SageMaker (en temps réel ou asynchrone) avec mise à l’échelle automatique, alarmes CloudWatch et balisage activés par défaut. Utilisez cette compétence chaque fois que vous êtes sur le point de créer un…

Choisir le bon conteneur de service pour un déploiement de modèle SageMaker et trouver son URI d’image actuelle. Utilisez cette compétence lorsque vous êtes sur le point de déployer un modèle vers un…

Utilisez le Hub Hugging Face via les outils du serveur MCP. Recherchez des modèles, des ensembles de données, des Spaces, des articles. Obtenez les détails des dépôts, récupérez la documentation, exécutez des tâches de calcul et utilisez Gradio…

Utilisez Hugging Face Hub via les outils du serveur MCP. Recherchez des modèles, des ensembles de données, des Spaces, des articles. Obtenez les détails des dépôts, récupérez la documentation, exécutez des tâches de calcul et utilisez Gradio…

CLI Hugging Face pour estimer la mémoire nécessaire au chargement des poids de modèles Safetensors ou GGUF pour l'inférence depuis le Hub Hugging Face

Generate Hugging Face Hub (huggingface_hub) release notes from cached PR JSON files. Use when asked to draft release notes from PR files.

Générer les notes de version du Hugging Face Hub (huggingface_hub) à partir des fichiers JSON de PR en cache. Utiliser lorsqu'on demande de rédiger des notes de version à partir de fichiers de PR.

Diagnose and recover failing or stuck Hugging Face Space deployments for OpenEnv environments. Use when deploying envs from `envs/` to the Hub (`openenv`…

Diagnose and recover failing or stuck Hugging Face Space deployments for OpenEnv environments. Use when deploying envs from `envs/` to the Hub (`openenv`…

Execute Hugging Face Hub operations using the `hf` CLI. Use when the user needs to download models/datasets/spaces, upload files to Hub repositories, create repos, manage local cache, or run compute jobs on HF infrastructure. Covers authentication, file transfers, repository creation, cache operations, and cloud compute.

Créer et gérer des ensembles de données sur Hugging Face Hub. Prend en charge l'initialisation de dépôts, la définition de configurations/invites système, la mise à jour en continu des lignes, et l'interrogation/transformation d'ensembles de données basée sur SQL. Conçu pour fonctionner avec le serveur HF MCP pour des workflows complets sur les ensembles de données.

Ajouter et gérer les résultats d'évaluation dans les fiches de modèles Hugging Face. Prend en charge l'extraction de tableaux d'évaluation à partir du contenu README, l'importation de scores depuis l'API Artificial Analysis, et l'exécution d'évaluations personnalisées de modèles avec vLLM/lighteval. Fonctionne avec le format de métadonnées model-index.

Exécutez n'importe quelle charge de travail sur l'infrastructure Hugging Face Jobs. Couvre les scripts UV, les tâches basées sur Docker, la sélection de matériel, l'estimation des coûts, l'authentification avec jetons, la gestion des secrets, la configuration du délai d'attente et la persistance des résultats. Conçu pour des charges de travail de calcul général, y compris le traitement de données, l'inférence, les expériences, les tâches par lots et toute tâche basée sur Python.

Entraînez ou affinez des modèles de langage en utilisant TRL (Transformer Reinforcement Learning) sur l'infrastructure Hugging Face Jobs. Couvre les méthodes d'entraînement SFT, DPO, GRPO et le reward modeling, ainsi que la conversion en GGUF pour

Publier et gérer des articles de recherche sur Hugging Face Hub. Prend en charge la création de pages d'articles, la liaison d'articles à des modèles/ensembles de données, la revendication de paternité et la génération d'articles de recherche professionnels basés sur Markdown.

Construisez des scripts et outils réutilisables en utilisant l'API Hugging Face. Utile pour enchaîner ou combiner des appels API, ou lorsque des tâches seront répétées/automatisées. Crée des scripts en ligne de commande réutilisables pour récupérer, enrichir ou traiter des données depuis Hugging Face Hub.

Suivez et visualisez les expériences d'entraînement en ML avec Trackio. À utiliser lors de l'enregistrement de métriques pendant l'entraînement (API Python) ou de la récupération/analyse de métriques enregistrées (CLI). Prend en charge la visualisation en temps réel sur tableau de bord, la synchronisation HF Space et la sortie JSON pour l'automatisation.

Utilisez cette compétence pour les workflows de l'API Hugging Face Dataset Viewer qui récupèrent les métadonnées de sous-ensembles/divisions, paginent les lignes, recherchent du texte, appliquent des filtres, téléchargent du parquet…

Add evaluation results to Hugging Face model repositories using the .eval_results/ format. Uses HF CLI for PR management and manual YAML creation.

Ajoutez des résultats d'évaluation aux dépôts de modèles Hugging Face en utilisant le format .eval_results/. Utilise l'interface en ligne de commande HF pour la gestion des PR et la création manuelle de YAML.

Entraîne et affine les modèles de détection d'objets (D-FINE, RT-DETR v2, DETR, YOLOS) en utilisant Hugging Face Transformers sur les GPU cloud de Hugging Face Jobs. Couvre…

Consulter et lire les pages de papiers Hugging Face en markdown, et utiliser l'API des papiers pour obtenir des métadonnées structurées telles que les auteurs, les modèles/datasets/spaces liés, Github…

Entraîne et affine les modèles de vision pour la détection d'objets (D-FINE, RT-DETR v2, DETR, YOLOS), la classification d'images (modèles timm — MobileNetV3, MobileViT, ResNet,…

Trouve les meilleurs modèles pour une tâche en interrogeant les classements officiels des benchmarks HF, enrichit les résultats avec les données de taille des modèles, filtre selon ce qui tient sur l’appareil de l’utilisateur, et renvoie un tableau comparatif avec les scores des benchmarks.

Exécutez des évaluations pour les modèles du Hugging Face Hub en utilisant inspect-ai et lighteval sur du matériel local. Utilisez pour la sélection du backend, les évaluations GPU locales et le choix entre…

Utilisez cette compétence pour les workflows de l'API Hugging Face Dataset Viewer qui récupèrent les métadonnées de sous-ensembles/divisions, paginent les lignes, recherchent du texte, appliquent des filtres, téléchargent du parquet…

Construire des interfaces web et démos Gradio en Python. Utiliser lors de la création ou de l'édition d'applications, composants, écouteurs d'événements, mises en page ou chatbots Gradio.

Cette compétence doit être utilisée lorsque les utilisateurs souhaitent exécuter une charge de travail sur l'infrastructure Hugging Face Jobs. Couvre les scripts UV, les tâches basées sur Docker, la sélection du matériel,…

Entraîner ou affiner des modèles de langage et de vision en utilisant TRL (Transformer Reinforcement Learning) ou Unsloth avec l'infrastructure Hugging Face Jobs. Couvre SFT, DPO,…

Utiliser pour sélectionner des modèles à exécuter localement avec llama.cpp et GGUF sur CPU, Mac Metal, CUDA ou ROCm. Couvre la recherche de GGUFs, la sélection de quant, l'exécution de serveurs, exact…

Construire et publier une démo Gradio sur Hugging Face Spaces pour un LoRA fourni par l'utilisateur. Utiliser lorsque quelqu'un demande de créer, générer, livrer ou publier un Space, une démo,…

Publier et gérer des articles de recherche sur le Hugging Face Hub. Prend en charge la création de pages d'articles, le lien entre articles et modèles/ensembles de données, la revendication de paternité, et la génération…

Consulter et lire les pages de papiers Hugging Face en markdown, et utiliser l'API des papiers pour obtenir des métadonnées structurées telles que les auteurs, les modèles/datasets/spaces liés, GitHub…

Construire, déployer et maintenir des applications sur Hugging Face Spaces — Gradio / Docker / Static SDKs, ZeroGPU et matériel dédié, chargement de modèles, débogage,…

Utilisez cette compétence lorsque l'utilisateur souhaite construire des outils/scripts ou accomplir une tâche où l'utilisation de données de l'API Hugging Face serait utile. Ceci est particulièrement utile…

Suivez et visualisez les expériences d’entraînement en ML avec Trackio. À utiliser lors de l’enregistrement de métriques pendant l’entraînement (API Python), du déclenchement d’alertes pour les diagnostics d’entraînement, ou…

Entraîne et affine les modèles de vision pour la détection d'objets (D-FINE, RT-DETR v2, DETR, YOLOS), la classification d'images (modèles timm — MobileNetV3, MobileViT, ResNet,…

AI demos and GPU compute with Gradio Spaces and Hugging Face Spaces ZeroGPU. Use when writing or reviewing code that uses `@spaces.GPU`, configuring…

Make tests pass. Invoke after /write-tests produces failing tests.

Faire passer les tests. À invoquer après que /write-tests ait produit des tests échouants.

Démarrer et tester le serveur d'inférence prime-rl. Utiliser lorsqu'il est demandé d'exécuter une inférence, de démarrer vLLM, de tester un modèle ou de lancer le serveur d'inférence.

Scaffold a PhysicsIntern research workspace in the current folder. Run only when the user explicitly invokes it to set up a new physics/maths research…

Générer un espace de travail de recherche PhysicsIntern dans le dossier actuel.

Comment installer prime-rl et ses dépendances optionnelles. À utiliser lors de la configuration du projet, de l'installation d'extras comme deep-gemm pour les modèles FP8, ou du dépannage…

À utiliser lors de l’ajout d’un nouveau modèle ou pipeline à diffusers, de la mise en place de la structure de fichiers pour un nouveau modèle, de la conversion d’un pipeline au format modulaire, ou de la conversion des poids…

Post-mortem analysis of a PhysicsIntern workspace run (Claude Code, Pi, Codex, or OpenCode host). Reconstructs the trajectory from the session record — JSONL…

Analyse post-mortem d'un exécution de workspace PhysicsIntern (hôte Claude Code, Pi ou Codex). Reconstruit la trajectoire à partir du/des JSONL de session, audite…

OpenEnv CLI (`openenv`) for scaffolding, validating, building, and pushing OpenEnv environments.

OpenEnv CLI (`openenv`) for scaffolding, validating, building, and pushing OpenEnv environments.

Valider les modifications avant de soumettre une pull request. Exécuter des vérifications complètes incluant lint, tests, revue d'alignement et analyse RFC. Utiliser avant de créer une…

Validate changes before submitting a pull request. Run comprehensive checks including lint, tests, alignment review, and RFC analysis. Use before creating a…

Release workflow for deploying OpenEnv environments to Hugging Face Spaces and keeping canonical references in sync.

Workflow de publication pour déployer les environnements OpenEnv sur Hugging Face Spaces et maintenir les références canoniques synchronisées.

Determine if proposed changes require an RFC. Use when planning significant changes, before starting major work, or when asked whether an RFC is needed.

Déterminer si les modifications proposées nécessitent un RFC. Utiliser lors de la planification de changements significatifs, avant de commencer un travail majeur, ou lorsqu'on demande si un RFC est nécessaire.

Provides guidance for writing and benchmarking optimized Triton kernels for AMD GPUs (MI355X, R9700) on ROCm, targeting HuggingFace diffusers (LTX-Video, SD3,…

Fournit des conseils pour écrire et évaluer des noyaux Triton optimisés pour les GPU AMD (MI355X, R9700) sur ROCm, ciblant les diffuseurs HuggingFace (LTX-Video, SD3,…)

Use before opening a PR, or whenever asked to self-review a diffusers contribution. Applies the same rubric as the `@claude` CI (checks the diff against…

Refactor code after tests pass. The "Refactor" phase of Red-Green-Refactor.

Refactor code after tests pass. The "Refactor" phase of Red-Green-Refactor.

Work on a batch of GitHub issues in parallel using Agent Teams. Creates one worktree per issue with TDD enforcement, coordinates via a lead agent, then…

Travailler sur un lot de problèmes GitHub en parallèle en utilisant des équipes d'agents. Crée un espace de travail par problème avec application du TDD, coordonne via un agent principal, puis…

Sync chat-ui's model config with the HuggingFace router — add descriptions for new models, flag reasoning-capable ones, enable artifacts for models with 32B+…

À utiliser lors du débogage ou de la vérification de la parité numérique entre les implémentations de pipeline (par exemple, dépôt de recherche vs diffusers, standard vs modulaire). Également pertinent lorsque…

Comment écrire et utiliser des configurations TOML dans prime-rl. À utiliser lors de la création de fichiers de configuration, de l'exécution de commandes avec des configurations, ou de la substitution de valeurs de configuration via CLI.

Train or fine-tune sentence-transformers models across `SentenceTransformer` (bi-encoder; dense or static embedding model; for retrieval, similarity,…

Utilisez Transformers.js pour exécuter des modèles d'apprentissage automatique de pointe directement en JavaScript/TypeScript. Prend en charge le NLP (classification de texte, traduction,…)

Convertir les modèles de langage Hugging Face transformers au format MLX pour l'inférence sur Apple Silicon. Utiliser lorsqu'on demande de convertir un modèle de transformers vers MLX, porter un…

Entraînez et affinez des modèles de langage transformeurs en utilisant TRL (Transformers Reinforcement Learning). Prend en charge l’entraînement SFT, DPO, GRPO, KTO, RLOO et les modèles de récompense…

Train and fine-tune transformer language models using TRL (Transformers Reinforcement Learning). Supports SFT, DPO, GRPO, KTO, RLOO and Reward Model training…

Entraînez et affinez des modèles de langage transformeurs en utilisant TRL (Transformers Reinforcement Learning). Prend en charge l’entraînement SFT, DPO, GRPO, KTO, RLOO et Reward Model…

Update documentation across the repo after API changes. Finds stale references in docs, examples, docstrings, and fixes them.

Met à jour la documentation dans l'ensemble du dépôt après des changements d'API. Repère les références obsolètes dans la documentation, les exemples, les docstrings et les corrige.

Surveille les vérifications CI d'une PR et la revue de code Greptile après soumission. Interroge le statut CI, corrige automatiquement les échecs via ralph-loop, attend la revue Greptile, traite…

Surveiller les vérifications CI d’une PR et la revue de code Greptile après soumission. Interroge l’état CI, corrige automatiquement les échecs via ralph-loop, attend la revue Greptile, traite…

Start work on a GitHub issue. Extracts requirements, creates worktree, sets up TDD workflow.

Commencer le travail sur un issue GitHub. Extrait les exigences, crée un worktree, met en place un workflow TDD.

Write failing tests from requirements. Invoke for each todo before /implement.

Écrire des tests échouants à partir des exigences. Invoquer pour chaque tâche avant /implement.

Provides guidance for writing, optimizing, and benchmarking Triton kernels for Intel XPU GPUs (Battlemage/Arc Pro B50) using the Xe-Forge optimization…

Fournit des conseils pour écrire, optimiser et évaluer les performances des noyaux Triton pour les GPU Intel XPU (Battlemage/Arc Pro B50) en utilisant l'optimisation Xe-Forge…