Hugging Face 스킬

HuggingFace 라우터에서 chat-ui 설정으로 새 모델에 대한 설명을 추가합니다. 라우터에 새 모델이 출시되어 설명이 필요할 때 사용합니다…

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.

ty, make typing, 또는 make check-repo에서 감지된 깨진 타입 검사를 수정합니다. 로컬 실행, CI, 또는 PR 로그에서 타입 오류가 나타날 때 사용하세요.

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…

코드 변경 사항을 검토하여 버그와 OpenEnv 원칙 및 RFC와의 정합성을 확인합니다. PR 검토 시, 커밋 전 코드 확인 시, 또는 검토 요청을 받았을 때 사용합니다.

C++ CPU 커널을 SIMD 내장 함수(AVX2/AVX512)로 작성, 최적화 및 벤치마킹하는 방법에 대한 지침을 제공하며, Hugging Face 커널 생태계를 대상으로 합니다. 포함 사항…

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…

NVIDIA GPU(H100, A100, T4)에서 HuggingFace diffusers 및 transformers를 대상으로 최적화된 CUDA 커널 작성 및 벤치마킹을 위한 지침을 제공합니다…

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…

OpenEnv 환경을 Hugging Face Spaces에 배포합니다. 배포, Hugging Face로 푸시, 또는 스페이스 업데이트를 요청받았을 때 사용하세요.

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…

액션 스모크 테스트용 예제 픽스처 스킬

Example fixture skill for action smoke tests

구체적인 사용 사례(예: "라이브러리 textarena를 위한 환경 생성")로부터 OpenEnv 환경을 생성합니다. 새로운 환경을 설계하거나 구현하라는 요청을 받았을 때 사용하세요.

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…

Python으로 Gradio 웹 UI와 데모를 구축합니다. Gradio 앱, 컴포넌트, 이벤트 리스너, 레이아웃 또는 챗봇을 생성하거나 편집할 때 사용하세요.

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…

사용자의 로컬 AWS 컨텍스트(활성 프로필, 리전, 계정 ID, 호출자 ID)를 모든 AWS 작업 시작 시 발견합니다. 다른 AWS 작업보다 먼저 이 스킬을 사용하세요.

SageMaker / AWS 작업을 위한 격리된 Python 환경을 올바른 Python 버전과 최신 boto3로 설정합니다. Python 코드가 사용될 때마다 이 스킬을 사용하세요.

Amazon SageMaker AI에 모델을 배포하기 위한 계획을 수립하고 조정합니다. 사용자가 모델을 배포, 호스팅, 서빙 또는 노출하려는 경우 이 스킬을 사용하세요.

SageMaker 실행 역할이 배포 또는 학습 전에 사용 가능한 상태인지 확인합니다. SageMaker 엔드포인트, 모델, 학습 등을 생성하기 전에 이 스킬을 사용하십시오.

SageMaker 엔드포인트(실시간 또는 비동기)를 생성하며, 자동 확장, CloudWatch 알람, 태깅이 기본적으로 활성화됩니다. 이 스킬은 엔드포인트를 생성하려고 할 때마다 사용하세요.

SageMaker 모델 배포에 적합한 서빙 컨테이너를 선택하고 현재 이미지 URI를 찾습니다. 모델을 배포하려 할 때마다 이 스킬을 사용하세요.

Hugging Face Hub를 MCP 서버 도구를 통해 사용하세요. 모델, 데이터셋, 스페이스, 논문을 검색하고, 저장소 세부 정보를 확인하며, 문서를 가져오고, 컴퓨팅 작업을 실행하고, Gradio를 사용할 수 있습니다…

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

Hugging Face CLI로 Hugging Face Hub에서 Safetensors 또는 GGUF 모델 가중치를 추론용으로 로드하는 데 필요한 메모리를 추정합니다.

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

캐시된 PR JSON 파일에서 Hugging Face Hub (huggingface_hub) 릴리스 노트를 생성합니다. PR 파일로 릴리스 노트를 작성하라는 요청을 받았을 때 사용하세요.

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.

허깅 페이스 허브에서 데이터셋을 생성하고 관리합니다. 리포지토리 초기화, 설정/시스템 프롬프트 정의, 행 업데이트 스트리밍, SQL 기반 데이터셋 쿼리/변환을 지원합니다. 포괄적인 데이터셋 워크플로를 위해 HF MCP 서버와 함께 작동하도록 설계되었습니다.

Hugging Face 모델 카드에 평가 결과를 추가하고 관리합니다. README 콘텐츠에서 평가 테이블 추출, Artificial Analysis API에서 점수 가져오기, vLLM/lighteval을 사용한 사용자 정의 모델 평가 실행을 지원합니다. model-index 메타데이터 형식과 함께 작동합니다.

Hugging Face Jobs 인프라에서 모든 워크로드를 실행합니다. UV 스크립트, Docker 기반 작업, 하드웨어 선택, 비용 추정, 토큰 인증, 시크릿 관리, 타임아웃 설정, 결과 저장을 다룹니다. 데이터 처리, 추론, 실험, 배치 작업 및 모든 Python 기반 태스크를 포함한 범용 컴퓨팅 워크로드용으로 설계되었습니다.

TRL(Transformer Reinforcement Learning)을 사용하여 Hugging Face Jobs 인프라에서 언어 모델을 훈련하거나 미세 조정합니다. SFT, DPO, GRPO 및 보상 모델링 훈련 방법과 로컬 배포를 위한 GGUF 변환을 다룹니다. 데이터셋 준비, 하드웨어 선택, 비용 추정 및 모델 지속성에 대한 지침을 포함합니다.

Hugging Face Hub에서 연구 논문을 게시하고 관리합니다. 논문 페이지 생성, 논문과 모델/데이터셋 연결, 저자 주장, 전문적인 마크다운 기반 연구 문서 생성을 지원합니다.

Hugging Face API를 사용하여 재사용 가능한 스크립트와 도구를 구축합니다. API 호출을 연결하거나 결합할 때, 또는 작업이 반복/자동화될 때 유용합니다. Hugging Face Hub에서 데이터를 가져오거나, 보강하거나, 처리하는 재사용 가능한 명령줄 스크립트를 생성합니다.

Trackio로 ML 학습 실험을 추적하고 시각화하세요. 학습 중 메트릭 로깅(Python API) 또는 로깅된 메트릭 검색/분석(CLI) 시 사용합니다. 실시간 대시보드 시각화, HF Space 동기화, 자동화를 위한 JSON 출력을 지원합니다.

Hugging Face Dataset Viewer API 워크플로우에서 서브셋/스플릿 메타데이터를 가져오고, 행을 페이지네이션하며, 텍스트를 검색하고, 필터를 적용하고, parquet을 다운로드하는 등의 작업에 이 스킬을 사용하세요.

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

Hugging Face 모델 저장소에 .eval_results/ 형식을 사용하여 평가 결과를 추가합니다. PR 관리 및 수동 YAML 생성을 위해 HF CLI를 사용합니다.

Hugging Face Transformers와 Hugging Face Jobs 클라우드 GPU를 사용하여 객체 탐지 모델(D-FINE, RT-DETR v2, DETR, YOLOS)을 학습 및 미세 조정합니다. 다루는 내용…

허깅 페이스 논문 페이지를 마크다운으로 조회 및 읽고, 논문 API를 사용하여 저자, 연결된 모델/데이터셋/스페이스, Github 등 구조화된 메타데이터를 활용합니다.

객체 탐지(D-FINE, RT-DETR v2, DETR, YOLOS) 및 이미지 분류(timm 모델 — MobileNetV3, MobileViT, ResNet, …)를 위한 비전 모델을 훈련 및 미세 조정합니다.

공식 HF 벤치마크 리더보드를 조회하여 작업에 가장 적합한 모델을 찾고, 모델 크기 데이터로 결과를 보강하며, 사용자 기기에 적합한 모델을 필터링한 후 벤치마크 점수와 함께 비교 테이블을 반환합니다.

Hugging Face Hub 모델에 대한 평가를 inspect-ai와 lighteval을 사용하여 로컬 하드웨어에서 실행합니다. 백엔드 선택, 로컬 GPU 평가, 그리고 선택에 사용됩니다.

이 스킬은 Hugging Face Dataset Viewer API 워크플로우에서 서브셋/스플릿 메타데이터를 가져오고, 행을 페이지네이션하며, 텍스트를 검색하고, 필터를 적용하고, parquet을 다운로드하는 등의 작업에 사용합니다.

파이썬으로 Gradio 웹 UI와 데모를 구축합니다. Gradio 앱, 컴포넌트, 이벤트 리스너, 레이아웃 또는 챗봇을 생성하거나 편집할 때 사용하세요.

이 스킬은 사용자가 Hugging Face Jobs 인프라에서 워크로드를 실행하려 할 때 사용해야 합니다. UV 스크립트, Docker 기반 작업, 하드웨어 선택 등을 다룹니다.

TRL(Transformer Reinforcement Learning) 또는 Unsloth를 사용하여 Hugging Face Jobs 인프라로 언어 및 비전 모델을 학습하거나 미세 조정합니다. SFT, DPO 등을 포함합니다.

로컬에서 llama.cpp와 GGUF를 CPU, Mac Metal, CUDA 또는 ROCm으로 실행할 모델을 선택할 때 사용합니다. GGUF 찾기, 양자화 선택, 서버 실행, 정확한…

사용자가 제공한 LoRA를 위한 Gradio 데모를 Hugging Face Spaces에 구축하고 게시합니다. 누군가 Space, 데모 등을 생성, 제작, 배포 또는 게시하도록 요청할 때 사용하세요.

허깅페이스 허브에 연구 논문을 게시하고 관리합니다. 논문 페이지 생성, 논문과 모델/데이터셋 연결, 저자 주장, 생성 지원…

Hugging Face 논문 페이지를 마크다운으로 조회 및 읽고, 저자, 연결된 모델/데이터셋/스페이스, Github 등 구조화된 메타데이터를 위해 papers API를 사용합니다.

Hugging Face Spaces에서 애플리케이션을 구축, 배포, 유지 관리하세요 — Gradio / Docker / Static SDK, ZeroGPU 및 전용 하드웨어, 모델 로딩, 디버깅,…

사용자가 Hugging Face API의 데이터를 활용하면 도움이 되는 도구/스크립트를 구축하거나 작업을 수행하려 할 때 이 스킬을 사용하세요. 특히 유용한 경우는…

Trackio로 ML 학습 실험을 추적하고 시각화합니다. 학습 중 메트릭 로깅(Python API), 학습 진단 알림 발송 등에 사용합니다.

객체 탐지(D-FINE, RT-DETR v2, DETR, YOLOS) 및 이미지 분류(timm 모델 — MobileNetV3, MobileViT, ResNet, …)를 위한 비전 모델을 훈련하고 미세 조정합니다.

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.

테스트가 통과하도록 만드세요. /write-tests가 실패하는 테스트를 생성한 후에 호출하세요.

prime-rl 추론 서버를 시작하고 테스트합니다. 추론 실행, vLLM 시작, 모델 테스트 또는 추론 서버 실행을 요청받았을 때 사용하세요.

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.

prime-rl과 선택적 종속성을 설치하는 방법. 프로젝트 설정 시, FP8 모델용 deep-gemm과 같은 추가 기능 설치, 또는 문제 해결 시 사용합니다...

diffusers에 새로운 모델이나 파이프라인을 추가할 때, 새 모델의 파일 구조를 설정할 때, 파이프라인을 모듈 형식으로 변환할 때, 또는 가중치를 변환할 때 사용합니다.

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

PhysicsIntern 워크스페이스 실행(Claude Code, Pi 또는 Codex 호스트)의 사후 분석. 세션 JSONL에서 궤적을 재구성하고, 감사합니다…

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

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

풀 리퀘스트를 제출하기 전에 변경 사항을 검증합니다. 린트, 테스트, 정렬 검토 및 RFC 분석을 포함한 포괄적인 검사를 실행합니다. 생성하기 전에 사용합니다…

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.

OpenEnv 환경을 Hugging Face Spaces에 배포하고 표준 참조를 동기화 상태로 유지하기 위한 릴리스 워크플로입니다.

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

제안된 변경 사항이 RFC를 필요로 하는지 결정합니다. 중요한 변경 사항을 계획할 때, 주요 작업을 시작하기 전에, 또는 RFC가 필요한지 질문을 받았을 때 사용합니다.

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

AMD GPU(MI355X, R9700)에서 ROCm을 사용하여 최적화된 Triton 커널을 작성하고 벤치마킹하는 방법을 안내하며, HuggingFace diffusers(LTX-Video, SD3,…)를 대상으로 합니다.

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.

테스트 통과 후 코드 리팩토링. 레드-그린-리팩토링의 "리팩토링" 단계.

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…

Agent Teams를 사용하여 GitHub 이슈 배치를 병렬로 처리합니다. TDD 적용과 함께 이슈별로 하나의 작업 트리를 생성하고, 리드 에이전트를 통해 조정한 후...

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+…

파이프라인 구현 간(예: 연구 저장소와 diffusers, 표준과 모듈식)의 수치적 일관성을 디버깅하거나 검증할 때 사용합니다. 또한 다음과 같은 경우에 관련됩니다…

prime-rl에서 TOML 설정을 작성하고 사용하는 방법. 설정 파일을 만들거나, 설정과 함께 명령어를 실행하거나, CLI를 통해 설정 값을 재정의할 때 사용합니다.

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

Transformers.js를 사용하여 최첨단 머신러닝 모델을 JavaScript/TypeScript에서 직접 실행할 수 있습니다. NLP(텍스트 분류, 번역, …)를 지원합니다.

Hugging Face transformers 언어 모델을 Apple Silicon 추론용 MLX 형식으로 변환합니다. transformers에서 MLX로 모델을 변환하거나 포팅하라는 요청을 받았을 때 사용합니다.

트랜스포머 언어 모델을 TRL(Transformers Reinforcement Learning)을 사용하여 학습 및 미세 조정합니다. SFT, DPO, GRPO, KTO, RLOO 및 보상 모델 학습을 지원합니다…

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

트랜스포머 언어 모델을 TRL(Transformers Reinforcement Learning)을 사용하여 학습 및 미세 조정합니다. SFT, DPO, GRPO, KTO, RLOO 및 보상 모델 학습을 지원합니다…

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

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

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…

PR의 CI 검사와 Greptile 코드 리뷰를 제출 후 모니터링합니다. CI 상태를 폴링하고, ralph-loop를 통해 실패를 자동 수정하며, Greptile 리뷰를 기다리고, 처리합니다…

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

GitHub 이슈 작업을 시작합니다. 요구사항을 추출하고, 작업 트리를 생성하며, TDD 워크플로를 설정합니다.

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

요구사항으로부터 실패하는 테스트를 작성합니다. /implement 전에 각 할 일에 대해 호출하세요.

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

Intel XPU GPU(Battlemage/Arc Pro B50)용 Triton 커널을 작성, 최적화 및 벤치마킹하기 위한 지침을 제공하며, Xe-Forge 최적화를 사용합니다…