Plugin huggingface-skills per Claude

Individua il contesto AWS locale dell'utente (profilo attivo, regione, ID account, identità del chiamante) all'inizio di qualsiasi attività AWS. Usa questa skill prima di qualsiasi altro lavoro su AWS: deploy su SageMaker, creazione di risorse, chiamate…

Configura un ambiente Python isolato per lavori con SageMaker / AWS, con la versione di Python giusta e boto3 aggiornato. Usa questa skill ogni volta che codice Python verrà eseguito per un deployment su SageMaker, un job di training o qualsiasi AW…

Pianifica e coordina il deployment di un modello su Amazon SageMaker AI. Usa questa skill ogni volta che l'utente vuole distribuire, ospitare, servire o esporre un modello su SageMaker o AWS, incluse frasi come “distribuisci un modello”, “ospita…

Assicurati che esista un ruolo di esecuzione SageMaker utilizzabile prima di fare deployment o training. Usa questa skill ogni volta che sta per creare un endpoint SageMaker, un modello, un job di training o qualsiasi risorsa che richiede un ruolo di esecuzione. Usala anche…

Crea un endpoint SageMaker (real-time, real-time scale-to-zero o async) con autoscaling, allarmi CloudWatch e tagging abilitati di default. Usa questa skill ogni volta che sta per creare un endpoint SageMaker, scrivere script di deployment…

Scegli il container di serving giusto per il deployment di un modello SageMaker e trova il suo URI immagine attuale. Usa questa skill ogni volta che si sta per distribuire un modello su un endpoint SageMaker e serve scegliere un URI immagine, incluse…

CLI di Hugging Face per stimare la memoria necessaria a caricare pesi di modelli Safetensors o GGUF per l'inferenza dall'Hugging Face Hub

Da usare quando l'utente chiede del modello migliore, più popolare o consigliato per un compito, vuole sapere quale modello AI usare o vuole confrontare modelli per punteggi di benchmark. Si attiva con: “miglior modello per X”, “quale modello dovrei…

Esegui valutazioni di modelli dell'Hugging Face Hub con inspect-ai e lighteval su hardware locale. Da usare per la selezione del backend, valutazioni GPU locali e la scelta tra vLLM / Transformers / accelerate. Non per l'orchestrazione di HF Jobs…

Usa questa skill per i workflow dell'API Dataset Viewer di Hugging Face che recuperano metadati di subset/split, impaginano le righe, cercano testo, applicano filtri, scaricano URL parquet e leggono dimensioni o statistiche.

Crea interfacce web e demo Gradio in Python. Da usare quando si creano o modificano app Gradio, componenti, event listener, layout o chatbot.

Addestra o fai fine-tuning di modelli linguistici e di visione con TRL (Transformer Reinforcement Learning) o Unsloth usando l'infrastruttura Hugging Face Jobs. Copre i metodi di training SFT, DPO, GRPO e reward modeling, oltre alla conversione GGUF…

Da usare per selezionare modelli da eseguire localmente con llama.cpp e GGUF su CPU, Mac Metal, CUDA o ROCm. Copre la ricerca di GGUF, la scelta della quantizzazione, l'avvio di server, la ricerca esatta dei file GGUF, la conversione e i server locali compatibili con OpenAI…

Crea e pubblica una demo Gradio su Hugging Face Spaces per un LoRA fornito dall'utente. Da usare quando qualcuno chiede di creare, generare, rilasciare o pubblicare uno Space, una demo, un'app Gradio o un playground per un LoRA, inclusi i LoRA per Qw…

Pubblica e gestisci articoli di ricerca sull'Hugging Face Hub. Supporta la creazione di pagine per i paper, il collegamento dei paper a modelli e dataset, la rivendicazione della paternità e la generazione di articoli di ricerca professionali basati su markdown.

Consulta e leggi le pagine dei paper di Hugging Face in markdown, e usa l'API dei paper per metadati strutturati come autori, modelli, dataset e spazi collegati, repo GitHub e pagina del progetto. Da usare quando l'utente condivide un link di Hugging Fa…

Costruisci, distribuisci e mantieni applicazioni su Hugging Face Spaces: SDK Gradio / Docker / Static, ZeroGPU e hardware dedicato, caricamento dei modelli, debug, bucket, inference provider, grant della community. Da usare ogni volta che…

Usa questa skill quando l'utente vuole creare strumenti o script, o ottenere un risultato per il quale i dati dell'API di Hugging Face sarebbero utili. È particolarmente utile quando si concatenano o combinano chiamate API o quando il compito sarà ripetuto…

Traccia e visualizza esperimenti di training ML con Trackio. Da usare per registrare metriche durante il training (API Python), inviare alert per diagnostiche di training, o recuperare e analizzare le metriche registrate (CLI). Supporta il real-time…

Addestra e fa fine-tuning di modelli di visione per il rilevamento di oggetti (D-FINE, RT-DETR v2, DETR, YOLOS), la classificazione di immagini (modelli timm come MobileNetV3, MobileViT, ResNet, ViT/DINOv3, più qualsiasi classificatore Transformers) e SAM/S…

Demo AI e calcolo GPU con Gradio Spaces e Hugging Face Spaces ZeroGPU. Da usare quando si scrive o si rivede codice che usa `@spaces.GPU`, si configura `python_version` o `requirements.txt` per uno Space ZeroGPU, o si gestisce…

Addestra o fai fine-tuning di modelli sentence-transformers basati su `SentenceTransformer` (bi-encoder, modello di embedding denso o statico per retrieval, similarità, clustering, classificazione, paraphrase mining, deduplicazione, multimodale), `…

Usa Transformers.js per eseguire modelli di machine learning all'avanguardia direttamente in JavaScript/TypeScript. Supporta NLP (classificazione del testo, traduzione, riassunto), computer vision (classificazione di immagini, rilevamento di oggetti…

Post-addestramento di LLM con TRL (Transformers Reinforcement Learning): SFT, DPO, GRPO, KTO e training di reward model. Da usare quando si scrive o si debugga codice di training con l'API Python di TRL o la CLI trl.