Hugging Face Skills

HuggingFace yönlendiricisinden chat-ui yapılandırmasına yeni modeller için açıklamalar ekleyin. Yönlendiricide yeni modeller yayınlandığında ve açıklamalara ihtiyaç duyulduğunda kullanın…

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 veya make check-repo tarafından tespit edilen bozuk tip denetimlerini düzeltir. Yerel çalıştırmalarda, CI'da veya PR günlüklerinde tip hataları göründüğünde kullanın.

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…

Kod değişikliklerini hatalar ve OpenEnv ilkeleri ile RFC'lere uyum açısından inceleyin. PR'leri incelerken, commit öncesi kodu kontrol ederken veya inceleme istendiğinde kullanın…

C++ CPU çekirdeklerinin SIMD intrinsics (AVX2/AVX512) ile yazılması, optimize edilmesi ve benchmark edilmesi için Hugging Face çekirdek ekosistemine yönelik rehberlik sağlar. Şunları içerir…

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'ları (H100, A100, T4) için optimize edilmiş CUDA çekirdekleri yazma ve kıyaslama konusunda rehberlik sağlar, HuggingFace diffusers ve transformers'ı hedef alır…

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…

Bir OpenEnv ortamını Hugging Face Spaces'e dağıtın. Dağıtma, Hugging Face'e gönderme veya bir alanı güncelleme istendiğinde kullanın.

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…

Örnek aksiyon smoke testleri için fikstür becerisi

Example fixture skill for action smoke tests

Somut bir kullanım durumundan OpenEnv ortamları oluşturun (örneğin, "library textarena için bir env oluştur"). Yeni bir ortam tasarlaması veya uygulaması istendiğinde kullanın.

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…

Python'da Gradio web arayüzleri ve demoları oluşturun. Gradio uygulamaları, bileşenleri, olay dinleyicileri, düzenler

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…

Herhangi bir AWS görevinin başında kullanıcının yerel AWS bağlamını (aktif profil, bölge, hesap kimliği, çağıran kimliği) keşfedin. Bu beceriyi diğer tüm AWS işlemlerinden önce kullanın…

SageMaker / AWS çalışmaları için doğru Python sürümü ve güncel boto3 ile izole bir Python ortamı kurun. Python kodu kullanılacak her durumda bu yeteneği kullanın…

Bir modelin Amazon SageMaker AI'ya dağıtımını planlayın ve koordine edin. Kullanıcı bir modeli dağıtmak, barındırmak, sunmak veya açığa çıkarmak istediğinde bu beceriyi kullanın.

Bir kullanılabilir SageMaker yürütme rolünün dağıtım veya eğitim öncesinde mevcut olduğundan emin olun. Bir SageMaker uç noktası, modeli, eğitimi oluşturmak üzereyken bu beceriyi kullanın…

Otomatik ölçeklendirme, CloudWatch alarmları ve etiketleme varsayılan olarak etkin olan bir SageMaker uç noktası (gerçek zamanlı veya async) oluşturun. Bir… oluşturulacaksa bu beceriyi kullanın.

Pick the right serving container for a SageMaker model deployment and find its current image URI. Use this skill whenever about to deploy a model to a…

Hugging Face Hub'u MCP sunucu araçları aracılığıyla kullanın. Modelleri, veri kümelerini, Space'leri ve makaleleri arayın. Depo ayrıntılarını alın, dokümantasyonu getirin, hesaplama işlerini çalıştırın ve Gradio'yu kullanın…

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 CLI, Hugging Face Hub'dan çıkarım için Safetensors veya GGUF model ağırlıklarını yüklemek için gereken belleği tahmin etmeye yarar.

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

Önbelleğe alınmış PR JSON dosyalarından Hugging Face Hub (huggingface_hub) sürüm notları oluşturur. PR dosyalarından sürüm notları taslağı hazırlanması istendiğinde kullanın.

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.

Hugging Face Hub'da veri kümeleri oluşturun ve yönetin. Depo başlatma, yapılandırma/sistem istemleri tanımlama, satır güncellemelerini akışla aktarma ve SQL tabanlı veri kümesi sorgulama/dönüştürme işlemlerini destekler. Kapsamlı veri kümesi iş akışları için HF MCP sunucusuyla birlikte çalışacak şekilde tasarlanmıştır.

Hugging Face model kartlarında değerlendirme sonuçları ekleyin ve yönetin. README içeriğinden değerlendirme tablolarını çıkarma, Artificial Analysis API'den puanları içe aktarma ve vLLM/lighteval ile özel model değerlendirmeleri çalıştırmayı destekler. Model-index meta veri formatıyla çalışır.

Hugging Face Jobs altyapısında herhangi bir iş yükünü çalıştırın. UV betikleri, Docker tabanlı işler, donanım seçimi, maliyet tahmini, token ile kimlik doğrulama, sır yönetimi, zaman aşımı yapılandırması ve sonuç kalıcılığını kapsar. Veri işleme, çıkarım, deneyler, toplu işler ve Python tabanlı görevler dahil genel amaçlı hesaplama iş yükleri için tasarlanmıştır.

TRL (Transformer Reinforcement Learning) kullanarak Hugging Face Jobs altyapısında dil modellerini eğitin veya ince ayar yapın. SFT, DPO, GRPO ve ödül modelleme eğitim yöntemlerini ve yerel dağıtım için GGUF dönüşümünü kapsar. Veri seti hazırlığı, donanım seçimi, maliyet tahmini ve model kalıcılığı konusunda rehberlik içerir.

Hugging Face Hub'da araştırma makaleleri yayınlayın ve yönetin. Makale sayfaları oluşturma, makaleleri modeller/veri kümeleriyle ilişkilendirme, yazarlık talep etme ve profesyonel markdown tabanlı araştırma makaleleri oluşturma desteği sunar.

Hugging Face API'sini kullanarak yeniden kullanılabilir betikler ve araçlar oluşturun. API çağrılarını zincirleme veya birleştirme ya da görevlerin tekrarlanacağı/otomatikleştirileceği durumlarda kullanışlıdır. Hugging Face Hub'dan veri almak, zenginleştirmek veya işlemek için yeniden kullanılabilir komut satırı betikleri oluşturur.

Trackio ile ML eğitim deneylerini takip edin ve görselleştirin. Eğitim sırasında metrikleri kaydederken (Python API) veya kaydedilmiş metrikleri alırken/analiz ederken (CLI) kullanın. Gerçek zamanlı gösterge paneli görselleştirmesi, HF Space senkronizasyonu ve otomasyon için JSON çıktısını destekler.

Bu beceriyi, alt küme/bölüm meta verilerini getiren, satırları sayfalayan, metin araması yapan, filtre uygulayan, parquet indiren… Hugging Face Dataset Viewer API iş akışları için kullanın.

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 model depolarına .eval_results/ formatını kullanarak değerlendirme sonuçları ekleyin. PR yönetimi için HF CLI ve manuel YAML oluşturma kullanır.

Hugging Face Jobs bulut GPU'larında Hugging Face Transformers kullanarak nesne tespit modellerini (D-FINE, RT-DETR v2, DETR, YOLOS) eğitir ve ince ayar yapar. Şunları kapsar…

Hugging Face kağıt sayfalarını markdown olarak arayıp okuyun ve yazarlar, bağlantılı modeller/veri kümeleri/alanlar, Github gibi yapılandırılmış meta veriler için papers API'sini kullanın.

Nesne tespiti (D-FINE, RT-DETR v2, DETR, YOLOS) ve görüntü sınıflandırması (timm modelleri — MobileNetV3, MobileViT, ResNet,…) için görüş modellerini eğitir ve ince ayar yapar.

Bir görev için en iyi modelleri, resmi HF benchmark liderlik tablolarını sorgulayarak bulur, sonuçları model boyutu verileriyle zenginleştirir, kullanıcının cihazına uyanları filtreler ve benchmark puanlarıyla bir karşılaştırma tablosu döndürür.

Hugging Face Hub modelleri için inspect-ai ve lighteval kullanarak yerel donanımda değerlendirmeler çalıştırın. Arka uç seçimi, yerel GPU değerlendirmeleri ve arasında seçim yapmak için kullanın…

Bu beceriyi, alt küme/bölüm meta verilerini getiren, satırları sayfalayan, metin araması yapan, filtreler uygulayan, parquet indiren… Hugging Face Dataset Viewer API iş akışları için kullanın.

Python ile Gradio web arayüzleri ve demoları oluşturun. Gradio uygulamaları, bileşenleri, olay dinleyicileri, düzenleri veya sohbet robotları oluştururken veya düzenlerken kullanın.

Bu beceri, kullanıcılar Hugging Face Jobs altyapısında herhangi bir iş yükü çalıştırmak istediğinde kullanılmalıdır. UV betikleri, Docker tabanlı işler, donanım seçimi ve daha fazlasını kapsar.

TRL (Transformer Reinforcement Learning) veya Unsloth ile Hugging Face Jobs altyapısını kullanarak dil ve görüntü modellerini eğitin veya ince ayar yapın. SFT, DPO,… kapsar.

llama.cpp ve GGUF ile CPU, Mac Metal, CUDA veya ROCm üzerinde yerel olarak çalıştırılacak modelleri seçmek için kullanılır. GGUF'leri bulma, quant seçimi, sunucuları çalıştırma, tam olarak…

Kullanıcı tarafından sağlanan bir LoRA için Hugging Face Spaces üzerinde bir Gradio demosu oluşturun ve yayınlayın. Birisi bir Space, demo oluşturma, üretme, gönderme veya yayınlama istediğinde kullanın.

Hugging Face Hub'da araştırma makaleleri yayınlayın ve yönetin. Makale sayfaları oluşturma, makaleleri modellere/veri kümelerine bağlama, yazarlık talep etme ve oluşturma…

Hugging Face makale sayfalarını markdown olarak arayıp okuyun ve yazarlar, bağlantılı modeller/veri kümeleri/alanlar, Github gibi yapılandırılmış meta veriler için papers API'sini kullanın.

Hugging Face Spaces üzerinde uygulamalar oluşturun, dağıtın ve bakımını yapın — Gradio / Docker / Statik SDK'lar, ZeroGPU ve özel donanım, model yükleme, hata ayıklama,…

Kullanıcı, Hugging Face API'sinden veri kullanmanın yardımcı olacağı bir araç/betik oluşturmak veya bir görevi tamamlamak istediğinde bu beceriyi kullanın. Bu özellikle şu durumlarda faydalıdır…

ML eğitim deneylerini Trackio ile takip edin ve görselleştirin. Eğitim sırasında metrikleri kaydederken (Python API), eğitim teşhisleri için uyarılar tetiklerken veya…

Nesne tespiti (D-FINE, RT-DETR v2, DETR, YOLOS) ve görüntü sınıflandırması (timm modelleri — MobileNetV3, MobileViT, ResNet,…) için görüş modellerini eğitir ve ince ayar yapar.

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.

Testlerin geçmesini sağla. /write-tests başarısız testler ürettikten sonra çağır.

prime-rl çıkarım sunucusunu başlat ve test et. Çıkarım çalıştırması, vLLM başlatması, bir modeli test etmesi veya çıkarım sunucusunu başlatması istendiğinde kullan.

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-rl ve isteğe bağlı bağımlılıklarının nasıl kurulacağı. Projeyi kurarken, FP8 modelleri için deep-gemm gibi ekstraları yüklerken veya sorun giderirken kullanın…

diffusers'a yeni bir model veya pipeline eklerken, yeni bir model için dosya yapısı kurarken, bir pipeline'ı modüler formata dönüştürürken veya ağırlıkları dönüştürürken kullanın.

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

Bir PhysicsIntern çalışma alanı çalıştırmasının (Claude Code, Pi veya Codex ana bilgisayarı) ölüm sonrası analizi. Oturum JSONL(ler)inden yörüngeyi yeniden yapılandırır, denetler…

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

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

Bir çekme isteği göndermeden önce değişiklikleri doğrulayın. Lint, testler, uyum incelemesi ve RFC analizi dahil kapsamlı kontrolleri çalıştırın. Oluşturmadan önce kullanın…

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 ortamlarını Hugging Face Spaces'e dağıtmak ve kanonik referansları senkronize tutmak için release iş akışı.

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

Önerilen değişikliklerin bir RFC gerektirip gerektirmediğini belirleyin. Önemli değişiklikler planlarken, büyük bir işe başlamadan önce veya bir RFC'nin gerekli olup olmadığı sorulduğunda kullanın.

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

AMD GPU'ları (MI355X, R9700) için ROCm üzerinde optimize edilmiş Triton çekirdekleri yazma ve kıyaslama konusunda rehberlik sağlar, HuggingFace diffusers'ları (LTX-Video, SD3,…) hedefler.

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.

Testler geçtikten sonra kodu yeniden düzenle. Red-Green-Refactor'ün "Refactor" aşaması.

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…

GitHub sorunları üzerinde Ajan Ekipleri kullanarak paralel olarak çalışın. Her sorun için TDD zorunluluğu ile bir çalışma ağacı oluşturur, bir baş ajan aracılığıyla koordine eder, ardından…

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+…

Hata ayıklama veya pipeline uygulamaları arasında (ör. araştırma reposu vs diffusers, standart vs modüler) sayısal eşitliği doğrularken kullanılır. Ayrıca şu durumlarda da geçerlidir…

prime-rl'da TOML yapılandırmalarının nasıl yazılacağı ve kullanılacağı. Yapılandırma dosyaları oluştururken, yapılandırmalarla komut çalıştırırken veya CLI üzerinden yapılandırma değerlerini geçersiz kılarken kullanılır.

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

Transformers.js kullanarak son teknoloji makine öğrenimi modellerini doğrudan JavaScript/TypeScript içinde çalıştırın. Doğal dil işleme (metin sınıflandırma, çeviri,…) destekler.

Hugging Face transformers dil modellerini Apple Silicon çıkarımı için MLX formatına dönüştürün. Bir modeli transformers'tan MLX'e dönüştürmeniz istendiğinde, bir modeli taşımak için kullanın…

TRL (Transformers Reinforcement Learning) kullanarak transformatör dil modellerini eğitin ve ince ayar yapın. SFT, DPO, GRPO, KTO, RLOO ve Ödül Modeli eğitimini destekler…

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

TRL (Transformers Reinforcement Learning) kullanarak transformatör dil modellerini eğitin ve ince ayar yapın. SFT, DPO, GRPO, KTO, RLOO ve Ödül Modeli eğitimini destekler…

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…

Bir PR'nin CI kontrollerini ve gönderim sonrası Greptile kod incelemesini izler. CI durumunu sorgular, ralph-loop aracılığıyla başarısızlıkları otomatik olarak düzeltir, Greptile incelemesini bekler, ele alır…

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

Bir GitHub sorunu üzerinde çalışmaya başla. Gereksinimleri çıkarır, çalışma ağacı oluşturur, TDD iş akışını kurar.

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

Gereksinimlerden başarısız testler yaz. Her bir todo için /implement öncesinde çağır.

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'ları (Battlemage/Arc Pro B50) için Xe-Forge optimizasyonunu kullanarak Triton çekirdekleri yazma, optimize etme ve kıyaslama konusunda rehberlik sağlar.