huggingface-local-models

โดย huggingface

ใช้เพื่อเลือกโมเดลที่รันในเครื่องด้วย llama.cpp และ GGUF บน CPU, Mac Metal, CUDA หรือ ROCm ครอบคลุมการค้นหา GGUF การเลือกควอนไทเซชัน การรันเซิร์ฟเวอร์ รายละเอียดที่แน่นอน…

npx skills add https://github.com/huggingface/skills --skill huggingface-local-models

Hugging Face Local Models

Search the Hugging Face Hub for llama.cpp-compatible GGUF repos, choose the right quant, and launch the model with llama-cli or llama-server.

Default Workflow

  1. Search the Hub with apps=llama.cpp.
  2. Open https://huggingface.co/<repo>?local-app=llama.cpp.
  3. Prefer the exact HF local-app snippet and quant recommendation when it is visible.
  4. Confirm exact .gguf filenames with https://huggingface.co/api/models/<repo>/tree/main?recursive=true.
  5. Launch with llama-cli -hf <repo>:<QUANT> or llama-server -hf <repo>:<QUANT>.
  6. Fall back to --hf-repo plus --hf-file when the repo uses custom file naming.
  7. Convert from Transformers weights only if the repo does not already expose GGUF files.

Quick Start

Install llama.cpp

brew install llama.cpp
winget install llama.cpp
git clone https://github.com/ggml-org/llama.cpp
cd llama.cpp
make

Authenticate for gated repos

hf auth login

Search the Hub

https://huggingface.co/models?apps=llama.cpp&sort=trending
https://huggingface.co/models?search=Qwen3.6&apps=llama.cpp&sort=trending
https://huggingface.co/models?search=<term>&apps=llama.cpp&num_parameters=min:0,max:24B&sort=trending

Run directly from the Hub

llama-cli -hf unsloth/Qwen3.6-35B-A3B-GGUF:UD-Q4_K_M
llama-server -hf unsloth/Qwen3.6-35B-A3B-GGUF:UD-Q4_K_M

Run an exact GGUF file

llama-server \
    --hf-repo unsloth/Qwen3.6-35B-A3B-GGUF \
    --hf-file Qwen3.6-35B-A3B-UD-Q4_K_M.gguf \
    -c 4096

Convert only when no GGUF is available

hf download <repo-without-gguf> --local-dir ./model-src
python convert_hf_to_gguf.py ./model-src \
    --outfile model-f16.gguf \
    --outtype f16
llama-quantize model-f16.gguf model-q4_k_m.gguf Q4_K_M

Smoke test a local server

llama-server -hf unsloth/Qwen3.6-35B-A3B-GGUF:UD-Q4_K_M
curl http://localhost:8080/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer no-key" \
  -d '{
    "messages": [
      {"role": "user", "content": "Write a limerick about exception handling"}
    ]
  }'

Quant Choice

  • Prefer the exact quant that HF marks as compatible on the ?local-app=llama.cpp page.
  • Keep repo-native labels such as UD-Q4_K_M instead of normalizing them.
  • Default to Q4_K_M unless the repo page or hardware profile suggests otherwise.
  • Prefer Q5_K_M or Q6_K for code or technical workloads when memory allows.
  • Consider Q3_K_M, Q4_K_S, or repo-specific IQ / UD-* variants for tighter RAM or VRAM budgets.
  • Treat mmproj-*.gguf files as projector weights, not the main checkpoint.

Load References

  • Read hub-discovery.md for URL-first workflows, model search, tree API extraction, and command reconstruction.
  • Read quantization.md for format tables, model scaling, quality tradeoffs, and imatrix.
  • Read hardware.md for Metal, CUDA, ROCm, or CPU build and acceleration details.

Resources

  • llama.cpp: https://github.com/ggml-org/llama.cpp
  • Hugging Face GGUF + llama.cpp docs: https://huggingface.co/docs/hub/gguf-llamacpp
  • Hugging Face Local Apps docs: https://huggingface.co/docs/hub/main/local-apps
  • Hugging Face Local Agents docs: https://huggingface.co/docs/hub/agents-local
  • GGUF converter Space: https://huggingface.co/spaces/ggml-org/gguf-my-repo

Skills เพิ่มเติมจาก huggingface

Hugging Face Cli
huggingface
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.
official
Hugging Face Datasets
huggingface
สร้างและจัดการชุดข้อมูลบน Hugging Face Hub รองรับการเริ่มต้นพื้นที่เก็บข้อมูล การกำหนดคอนฟิก/พรอมต์ระบบ การสตรีมอัปเดตแถว และการค้นหา/แปลงชุดข้อมูลด้วย SQL ออกแบบมาให้ทำงานร่วมกับเซิร์ฟเวอร์ HF MCP สำหรับเวิร์กโฟลว์ชุดข้อมูลที่ครอบคลุม
official
Hugging Face Evaluation
huggingface
เพิ่มและจัดการผลการประเมินในการ์ดโมเดลของ Hugging Face รองรับการดึงตารางประเมินจากเนื้อหา README การนำเข้าคะแนนจาก Artificial Analysis API และการรันการประเมินโมเดลแบบกำหนดเองด้วย vLLM/lighteval ทำงานร่วมกับรูปแบบ metadata model-index
official
Hugging Face Jobs
huggingface
รันเวิร์กโหลดใดๆ บนโครงสร้างพื้นฐานของ Hugging Face Jobs ครอบคลุม UV scripts, งานที่ใช้ Docker, การเลือกฮาร์ดแวร์, การประมาณค่าใช้จ่าย, การยืนยันตัวตนด้วยโทเค็น, การจัดการความลับ, การกำหนดค่าไทม์เอาต์ และการคงอยู่ของผลลัพธ์ ออกแบบมาสำหรับเวิร์กโหลดคอมพิวต์ทั่วไป รวมถึงการประมวลผลข้อมูล, การอนุมาน, การทดลอง, งานแบบแบตช์ และงานที่ใช้ Python ใดๆ
official
Hugging Face Model Trainer
huggingface
ฝึกหรือปรับแต่งโมเดลภาษาโดยใช้ TRL (Transformer Reinforcement Learning) บนโครงสร้างพื้นฐานของ Hugging Face Jobs ครอบคลุมวิธีการฝึกอบรม SFT, DPO, GRPO และการสร้างแบบจำลองรางวัล รวมถึงการแปลงเป็น GGUF สำหรับการปรับใช้ในเครื่องท้องถิ่น มีคำแนะนำเกี่ยวกับการเตรียมชุดข้อมูล การเลือกฮาร์ดแวร์ การประมาณค่าใช้จ่าย และการคงอยู่ของโมเดล
official
Hugging Face Paper Publisher
huggingface
เผยแพร่และจัดการเอกสารวิจัยบน Hugging Face Hub รองรับการสร้างหน้าเอกสาร การเชื่อมโยงเอกสารกับโมเดล/ชุดข้อมูล การอ้างสิทธิ์การเป็นผู้เขียน และการสร้างบทความวิจัยแบบมาร์กดาวน์ระดับมืออาชีพ
official
Hugging Face Tool Builder
huggingface
สร้างสคริปต์และเครื่องมือที่สามารถนำกลับมาใช้ใหม่ได้โดยใช้ Hugging Face API มีประโยชน์เมื่อต้องการเชื่อมต่อหรือรวมการเรียก API หรือเมื่อต้องทำงานซ้ำๆ/อัตโนมัติ สร้างสคริปต์บรรทัดคำสั่งที่ใช้ซ้ำได้เพื่อดึงข้อมูล เพิ่มข้อมูล หรือประมวลผลข้อมูลจาก Hugging Face Hub
official
Hugging Face Trackio
huggingface
ติดตามและแสดงผลการทดลองฝึก ML ด้วย Trackio ใช้เมื่อบันทึกเมตริกระหว่างการฝึก (Python API) หรือดึง/วิเคราะห์เมตริกที่บันทึกไว้ (CLI) รองรับการแสดงผลแดชบอร์ดแบบเรียลไทม์ การซิงค์กับ HF Space และเอาต์พุต JSON สำหรับระบบอัตโนมัติ
official