Skills Hugging Face

Tambahkan deskripsi untuk model baru dari router HuggingFace ke konfigurasi chat-ui. Gunakan saat model baru dirilis di router dan memerlukan deskripsi…

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.

Memperbaiki pemeriksaan tipe yang rusak yang terdeteksi oleh ty, make typing, atau make check-repo. Gunakan ketika kesalahan tipe muncul di proses lokal, CI, atau log 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…

Tinjau perubahan kode untuk bug dan keselarasan dengan prinsip OpenEnv serta RFC. Gunakan saat meninjau PR, memeriksa kode sebelum commit, atau ketika diminta untuk meninjau…

Memberikan panduan untuk menulis, mengoptimalkan, dan melakukan benchmarking kernel CPU C++ dengan intrinsik SIMD (AVX2/AVX512) untuk ekosistem kernel Hugging Face. Termasuk…

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…

Memberikan panduan untuk menulis dan melakukan benchmarking kernel CUDA yang dioptimalkan untuk GPU NVIDIA (H100, A100, T4) yang menargetkan HuggingFace diffusers dan transformers…

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…

Menyebarkan lingkungan OpenEnv ke Hugging Face Spaces. Gunakan saat diminta untuk menyebarkan, mendorong ke Hugging Face, atau memperbarui sebuah space.

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…

Skill perlengkapan contoh untuk pengujian asap aksi

Example fixture skill for action smoke tests

Hasilkan lingkungan OpenEnv dari kasus penggunaan konkret (misalnya, "hasilkan env untuk pustaka textarena"). Gunakan saat diminta untuk merancang atau mengimplementasikan…

Generate OpenEnv environments from a concrete use case (for example, "generate an env for the library textarena"). Use when asked to design or implement a new…

Bangun UI web dan demo Gradio dengan Python. Gunakan saat membuat atau mengedit aplikasi Gradio, komponen, pendengar acara, tata letak, atau chatbot.

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…

Temukan konteks AWS lokal pengguna (profil aktif, region, ID akun, identitas pemanggil) di awal setiap tugas AWS. Gunakan keterampilan ini sebelum AWS lainnya…

Siapkan lingkungan Python terisolasi untuk pekerjaan SageMaker / AWS, dengan versi Python yang tepat dan boto3 terkini. Gunakan skill ini setiap kali kode Python akan…

Rencanakan dan koordinasikan penyebaran model ke Amazon SageMaker AI. Gunakan keterampilan ini setiap kali pengguna ingin menyebarkan, menghosting, menyajikan, atau mengekspos model di…

Pastikan peran eksekusi SageMaker yang dapat digunakan sudah ada sebelum melakukan deployment atau pelatihan. Gunakan skill ini setiap kali akan membuat endpoint, model, pelatihan SageMaker...

Buat endpoint SageMaker (real-time atau async) dengan autoscaling, alarm CloudWatch, dan penandaan yang diaktifkan secara default. Gunakan skill ini setiap kali akan membuat…

Pilih kontainer penyajian yang tepat untuk penerapan model SageMaker dan temukan URI gambar saat ini. Gunakan keterampilan ini setiap kali akan menerapkan model ke…

Gunakan Hugging Face Hub melalui alat server MCP. Cari model, dataset, Spaces, makalah. Dapatkan detail repositori, ambil dokumentasi, jalankan tugas komputasi, dan gunakan Gradio…

Use Hugging Face Hub via MCP server tools. Search models, datasets, Spaces, papers. Get repo details, fetch documentation, run compute jobs, and use Gradio…

CLI Hugging Face untuk memperkirakan memori yang diperlukan untuk memuat bobot model Safetensors atau GGUF untuk inferensi dari Hugging Face Hub

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

Hasilkan catatan rilis Hugging Face Hub (huggingface_hub) dari file JSON PR yang di-cache. Gunakan saat diminta untuk menyusun catatan rilis dari file 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.

Buat dan kelola dataset di Hugging Face Hub. Mendukung inisialisasi repositori, mendefinisikan konfigurasi/prompt sistem, pembaruan baris secara streaming, serta kueri/transformasi dataset berbasis SQL. Dirancang untuk bekerja bersama server HF MCP guna mendukung alur kerja dataset yang komprehensif.

Tambahkan dan kelola hasil evaluasi di kartu model Hugging Face. Mendukung ekstraksi tabel evaluasi dari konten README, mengimpor skor dari Artificial Analysis API, dan menjalankan evaluasi model kustom dengan vLLM/lighteval. Bekerja dengan format metadata model-index.

Jalankan beban kerja apa pun di infrastruktur Hugging Face Jobs. Mencakup skrip UV, pekerjaan berbasis Docker, pemilihan perangkat keras, estimasi biaya, autentikasi dengan token, manajemen rahasia, konfigurasi batas waktu, dan persistensi hasil. Dirancang untuk beban kerja komputasi tujuan umum termasuk pemrosesan data, inferensi, eksperimen, pekerjaan batch, dan tugas berbasis Python apa pun.

Latih atau sesuaikan model bahasa menggunakan TRL (Transformer Reinforcement Learning) pada infrastruktur Hugging Face Jobs. Mencakup metode pelatihan SFT, DPO, GRPO, dan pemodelan reward, serta konversi GGUF untuk penerapan lokal. Termasuk panduan persiapan dataset, pemilihan perangkat keras, estimasi biaya, dan persistensi model.

Publikasikan dan kelola makalah penelitian di Hugging Face Hub. Mendukung pembuatan halaman makalah, menautkan makalah ke model/dataset, mengklaim kepengarangan, dan menghasilkan artikel penelitian berbasis markdown profesional.

Bangun skrip dan alat yang dapat digunakan kembali menggunakan API Hugging Face. Berguna saat merangkai atau menggabungkan panggilan API, atau saat tugas akan diulang/diotomatiskan. Membuat skrip baris perintah yang dapat digunakan kembali untuk mengambil, memperkaya, atau memproses data dari Hugging Face Hub.

Lacak dan visualisasikan eksperimen pelatihan ML dengan Trackio. Gunakan saat mencatat metrik selama pelatihan (API Python) atau mengambil/menganalisis metrik yang tercatat (CLI). Mendukung visualisasi dasbor waktu nyata, sinkronisasi HF Space, dan keluaran JSON untuk otomatisasi.

Gunakan keterampilan ini untuk alur kerja Hugging Face Dataset Viewer API yang mengambil metadata subset/split, melakukan paginasi baris, mencari teks, menerapkan filter, mengunduh parquet…

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

Tambahkan hasil evaluasi ke repositori model Hugging Face menggunakan format .eval_results/. Menggunakan HF CLI untuk manajemen PR dan pembuatan YAML manual.

Melatih dan menyempurnakan model deteksi objek (D-FINE, RT-DETR v2, DETR, YOLOS) menggunakan Hugging Face Transformers pada GPU cloud Hugging Face Jobs. Mencakup…

Cari dan baca halaman paper Hugging Face dalam format markdown, serta gunakan API papers untuk metadata terstruktur seperti penulis, model/dataset/ruang tertaut, Github…

Melatih dan menyempurnakan model visi untuk deteksi objek (D-FINE, RT-DETR v2, DETR, YOLOS), klasifikasi gambar (model timm — MobileNetV3, MobileViT, ResNet,…

Menemukan model terbaik untuk suatu tugas dengan menanyakan papan peringkat benchmark resmi HF, memperkaya hasil dengan data ukuran model, memfilter yang sesuai dengan perangkat pengguna, dan mengembalikan tabel perbandingan dengan skor benchmark.

Jalankan evaluasi untuk model Hugging Face Hub menggunakan inspect-ai dan lighteval pada perangkat keras lokal. Gunakan untuk pemilihan backend, evaluasi GPU lokal, dan memilih antara…

Gunakan keterampilan ini untuk alur kerja Hugging Face Dataset Viewer API yang mengambil metadata subset/split, melakukan paginasi baris, mencari teks, menerapkan filter, mengunduh parquet…

Bangun UI web dan demo Gradio dengan Python. Gunakan saat membuat atau mengedit aplikasi Gradio, komponen, pendengar acara, tata letak, atau chatbot.

Keterampilan ini harus digunakan saat pengguna ingin menjalankan beban kerja apa pun di infrastruktur Hugging Face Jobs. Mencakup skrip UV, pekerjaan berbasis Docker, pemilihan perangkat keras,…

Latih atau sesuaikan model bahasa dan visi menggunakan TRL (Transformer Reinforcement Learning) atau Unsloth dengan infrastruktur Hugging Face Jobs. Mencakup SFT, DPO,…

Gunakan untuk memilih model yang dijalankan secara lokal dengan llama.cpp dan GGUF di CPU, Mac Metal, CUDA, atau ROCm. Mencakup pencarian GGUF, pemilihan kuantisasi, menjalankan server, dan lainnya.

Bangun dan publikasikan demo Gradio di Hugging Face Spaces untuk LoRA yang disediakan pengguna. Gunakan saat seseorang meminta untuk membuat, menghasilkan, mengirim, atau memublikasikan Space, demo,…

Menerbitkan dan mengelola makalah penelitian di Hugging Face Hub. Mendukung pembuatan halaman makalah, menautkan makalah ke model/dataset, mengklaim kepengarangan, dan menghasilkan…

Cari dan baca halaman makalah Hugging Face dalam format markdown, serta gunakan API makalah untuk metadata terstruktur seperti penulis, model/dataset/ruang yang tertaut, Github…

Membangun, menyebarkan, dan memelihara aplikasi di Hugging Face Spaces — Gradio / Docker / Static SDKs, ZeroGPU dan perangkat keras khusus, pemuatan model, debugging,…

Gunakan keterampilan ini ketika pengguna ingin membangun alat/skrip atau mencapai tugas di mana menggunakan data dari API Hugging Face akan membantu. Ini sangat berguna…

Lacak dan visualisasikan eksperimen pelatihan ML dengan Trackio. Gunakan saat mencatat metrik selama pelatihan (API Python), memicu peringatan untuk diagnostik pelatihan, atau…

Melatih dan menyempurnakan model visi untuk deteksi objek (D-FINE, RT-DETR v2, DETR, YOLOS), klasifikasi gambar (model 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.

Buat tes lulus. Panggil setelah /write-tests menghasilkan tes yang gagal.

Mulai dan uji server inferensi prime-rl. Gunakan saat diminta menjalankan inferensi, memulai vLLM, menguji model, atau meluncurkan server inferensi.

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…

Scaffold a PhysicsIntern research workspace in the current folder.

Cara menginstal prime-rl dan dependensi opsionalnya. Gunakan saat menyiapkan proyek, menginstal tambahan seperti deep-gemm untuk model FP8, atau memecahkan masalah…

Gunakan saat menambahkan model atau pipeline baru ke diffusers, menyiapkan struktur file untuk model baru, mengonversi pipeline ke format modular, atau mengonversi bobot…

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

Analisis pasca-mortem dari proses kerja PhysicsIntern (host Claude Code, Pi, atau Codex). Merekonstruksi lintasan dari JSONL sesi, mengaudit…

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

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

Validasi perubahan sebelum mengirimkan pull request. Jalankan pemeriksaan menyeluruh termasuk lint, tes, tinjauan keselarasan, dan analisis RFC. Gunakan sebelum membuat…

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.

Alur kerja rilis untuk menyebarkan lingkungan OpenEnv ke Hugging Face Spaces dan menjaga referensi kanonik tetap sinkron.

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

Tentukan apakah perubahan yang diusulkan memerlukan RFC. Gunakan saat merencanakan perubahan signifikan, sebelum memulai pekerjaan besar, atau ketika ditanya apakah RFC diperlukan.

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

Memberikan panduan untuk menulis dan melakukan benchmarking kernel Triton yang dioptimalkan untuk GPU AMD (MI355X, R9700) pada ROCm, yang menargetkan diffusers 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.

Refaktor kode setelah pengujian berhasil. Fase "Refactor" dari 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…

Bekerja pada sekumpulan isu GitHub secara paralel menggunakan Tim Agen. Membuat satu worktree per isu dengan penegakan TDD, berkoordinasi melalui agen utama, lalu…

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+…

Gunakan saat men-debug atau memverifikasi paritas numerik antara implementasi pipeline (misalnya, repositori riset vs diffusers, standar vs modular). Juga relevan ketika…

Cara menulis dan menggunakan konfigurasi TOML di prime-rl. Gunakan saat membuat file konfigurasi, menjalankan perintah dengan konfigurasi, atau mengganti nilai konfigurasi melalui CLI.

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

Gunakan Transformers.js untuk menjalankan model machine learning tercanggih langsung di JavaScript/TypeScript. Mendukung NLP (klasifikasi teks, penerjemahan,…

Mengonversi model bahasa Hugging Face transformers ke format MLX untuk inferensi Apple Silicon. Gunakan saat diminta untuk mengonversi model dari transformers ke MLX, memindahkan…

Melatih dan menyempurnakan model bahasa transformer menggunakan TRL (Transformers Reinforcement Learning). Mendukung pelatihan SFT, DPO, GRPO, KTO, RLOO, dan Reward Model…

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

Melatih dan menyempurnakan model bahasa transformer menggunakan TRL (Transformers Reinforcement Learning). Mendukung pelatihan SFT, DPO, GRPO, KTO, RLOO, dan Reward Model…

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

Memperbarui dokumentasi di seluruh repositori setelah perubahan API. Menemukan referensi usang di dokumen, contoh, docstring, dan memperbaikinya.

Monitor a PR's CI checks and Greptile code review after submission. Polls CI status, auto-fixes failures via ralph-loop, waits for Greptile review, addresses…

Memantau pemeriksaan CI pada PR dan tinjauan kode Greptile setelah pengiriman. Melakukan polling status CI, memperbaiki kegagalan secara otomatis melalui ralph-loop, menunggu tinjauan Greptile, menangani…

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

Mulai mengerjakan isu GitHub. Mengekstrak persyaratan, membuat worktree, menyiapkan alur kerja TDD.

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

Tulis tes yang gagal dari persyaratan. Panggil untuk setiap tugas sebelum /implement.

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

Memberikan panduan untuk menulis, mengoptimalkan, dan melakukan benchmarking kernel Triton untuk GPU Intel XPU (Battlemage/Arc Pro B50) menggunakan optimasi Xe-Forge…