huggingface / skills

Problem: 开发者使用多种AI编码助手（如Claude Code、Cursor、Codex），但每个平台都有不同的指令格式和插件系统，管理起来很麻烦。

Solution: 使用Hugging Face Skills的标准化格式，一次编写技能定义，就能兼容所有主流AI编码助手平台。

Example: 为团队编写一个“上传模型到Hugging Face Hub”的技能，团队成员无论使用Claude Code还是Cursor都能直接调用相同的标准化指令。

Problem: 开发者需要创建和管理Hugging Face数据集，但每次都要查找CLI命令和API文档，流程繁琐且容易出错。

Solution: 使用hugging-face-datasets技能，AI助手能根据标准化指令自动执行数据集初始化、配置定义和流式更新等操作。

Example: 告诉AI助手“创建一个情感分析数据集”，它会自动调用技能中的指令，完成仓库初始化、配置设置等标准化流程。

Problem: 开发者需要将评估结果添加到模型卡片中，但手动提取数据、格式化表格很耗时。

Solution: 使用hugging-face-evaluation技能，AI助手能自动从README提取评估表格、导入API分数并运行自定义评估。

Example: 让AI助手“更新模型的评估结果”，它会自动调用vLLM/lighteval进行评估，并将结果格式化为标准表格插入模型卡片。

Problem: 团队内部有常用的AI工作流程，但缺乏标准化和共享机制，每个成员都要重复配置。

Solution: 将团队的最佳实践封装成Skills并提交到仓库，所有成员都能通过GitHub URL一键安装使用。

Example: 团队将“微调模型并部署”的完整流程封装成技能，新成员只需安装该技能，AI助手就能指导完成整个标准化流程。