Huggingface Hub

• Sie möchten ein Modell finden, das bestimmten Kriterien entspricht (z. B. „kleines Open-Source-VLM mit weniger als 4B Parametern"), ohne manuell den Hub zu durchsuchen.
• Sie müssen einen Datensatz in einen lokalen Pfad laden oder ein feinabgestimmtes Modell oder einen Datensatz zurück in Ihr HF-Konto übertragen.
• Sie möchten SQL-Abfragen direkt über den Assistenten gegen einen Datensatz-Split ausführen.
• Sie müssen Inferenz-Endpunkte bereitstellen, inspizieren oder abbauen oder Spaces und Speicher-Buckets verwalten.

• Sie haben die hf CLI nicht installiert oder sind nicht mit einem Hugging Face-Konto authentifiziert — die Skill-Funktion ist ohne diese Voraussetzungen nicht nutzbar.
• Sie arbeiten in einer abgesicherten Umgebung, in der der ausgehende Zugriff auf huggingface.co eingeschränkt ist.
• Sie benötigen nur eine einmalige Modellsuche und ziehen es vor, die Hub-Benutzeroberfläche manuell zu durchsuchen.

Durchsuche den Huggingface Hub nach Modellen und Datensätzen anhand von natürlichsprachlichen Kriterien wie Aufgabentyp, Parameteranzahl oder Lizenz. Die Ergebnisse erscheinen direkt im Gespräch, ohne deinen Arbeitsablauf zu unterbrechen.

Lade beliebige öffentliche (oder zugängliche, zugangsgeschützte) Modelle oder Datensätze mit einem einzigen Befehl in einen lokalen Pfad herunter. Die Skill delegiert unter der Haube an die hf-CLI und berücksichtigt dabei deine gespeicherten Anmeldeinformationen.

Pushe feinabgestimmte Modelle, Datensätze oder Spaces in dein HF-Konto und verwalte Repo-Dateien, Revisionen und Metadaten – alles ohne den Assistenten zu verlassen.

Führe SQL-Abfragen gegen bestimmte Splits eines beliebigen Huggingface Hub-Datensatzes aus. Nützlich, um Daten schnell zu analysieren, das Schema zu überprüfen oder Zeilen zu filtern, bevor du dich für einen vollständigen Download entscheidest.

Bereitstellen und Verwalten von Hugging Face Inferenz-Endpunkten anhand von Anweisungen in natürlicher Sprache. Überwachen Sie den Status, aktualisieren Sie Konfigurationen oder fahren Sie Endpunkte bei Bedarf herunter.

Erstelle, aktualisiere und verwalte Hugging Face Spaces und zugehörige Speicher-Buckets, um deine bereitgestellten Demos und persistenten Speicher synchron zu halten.

Bitten Sie den Assistenten, ein Open-Source-Vision-Sprachmodell mit weniger als 4 Milliarden Parametern und einer permissiven Lizenz zu finden. Die Fähigkeit durchsucht den Huggingface Hub und gibt gerankte Kandidaten mit relevanten Metadaten zurück.

Bevor Sie Gigabytes an Daten herunterladen, fragen Sie den train-Split eines Huggingface Hub-Datensatzes mit SQL ab, um dessen Schema zu untersuchen, Zeilen zu zählen oder nach relevanten Beispielen zu filtern.

Nach dem lokalen Training können Sie Ihr feinabgestimmtes Modell oder kuratiertes Dataset in einem Schritt in Ihr HF-Konto übertragen, einschließlich Repository-Erstellung und Datei-Upload.

Stellen Sie ein Modell als Inferenz-Endpunkt für ein Projekt bereit, pausieren oder löschen Sie ihn anschließend, wenn das Projekt abgeschlossen ist – alles ohne den Assistenten zu verlassen oder die Huggingface Hub-Benutzeroberfläche zu berühren.