huggingface-hub

Hugging Face CLI (hf) 参考指南

hf 命令是用于与 Hugging Face Hub 交互的新一代命令行界面，提供用于管理存储库、模型、数据集和 Spaces 的工具。

IMPORTANT： hf 命令取代了现已弃用的 huggingface-cli 命令。

快速入门

• 安装： curl -LsSf https://hf.co/cli/install.sh | bash -s
• 帮助： 使用 hf --help 查看所有可用功能和实际示例。
• 身份验证： 推荐使用 HF_TOKEN 环境变量或 --token 标志。

---

核心命令

常规操作

• hf download REPO_ID：从 Hub 下载文件。
• hf upload REPO_ID：上传文件/文件夹（推荐用于单次提交；也支持从大型目录恢复上传）。
• hf upload-large-folder REPO_ID LOCAL_PATH：[已弃用] — 请改用 hf upload。
• hf sync：在本地目录与存储桶之间同步文件。
• hf env / hf version：查看环境和版本详情。

身份验证（hf auth）

• login / logout：使用来自 huggingface.co/settings/tokens 的令牌管理会话。
• list / switch：管理并切换多个已存储的访问令牌。
• whoami：识别当前登录的账户。

存储库管理（hf repos）

• create / delete：创建或永久删除存储库。
• duplicate：将模型、数据集或 Space 克隆到新的 ID。
• move：在不同命名空间之间转移存储库。
• branch / tag：管理类似 Git 的引用。
• delete-files：使用模式删除特定文件。

---

专用 Hub 交互

数据集与模型

• 数据集： hf datasets list、info 和 parquet（列出 parquet URL）。
• SQL 查询： hf datasets sql SQL — 使用 DuckDB 对数据集的 parquet URL 执行原始 SQL。
• 模型： hf models list 和 info。
• 论文： hf papers ls — 查看每日论文。

讨论与拉取请求（hf discussions）

• 管理 Hub 贡献的整个生命周期：list、create、info、comment、close、reopen 和 rename。
• diff：查看 PR 中的更改。
• merge：完成拉取请求。

基础设施与计算

• Endpoints： 部署和管理 Inference Endpoints（deploy、pause、resume、scale-to-zero、catalog）。
• Jobs： 在 HF 基础设施上运行计算任务。包含用于通过内联依赖项运行 Python 脚本的 hf jobs uv，以及用于资源监控的 stats。
• Spaces： 管理交互式应用。包含用于 Python 文件的 dev-mode 和 hot-reload，无需完全重启。

存储与自动化

• 存储桶： 全面的 S3 类存储桶管理（create、cp、mv、rm、sync）。
• 缓存： 使用 list、prune（移除已分离的修订版本）和 verify（校验和检查）管理本地存储。
• Webhooks： 通过管理 Hub Webhooks（create、watch、enable/disable）实现工作流自动化。
• Collections： 将 Hub 项目整理到集合中（add-item、update、list）。

---

高级用法与技巧

全局标志

• --format json：生成适用于自动化的机器可读输出。
• -q / --quiet：仅输出 ID。

扩展与技能

• 扩展： 使用 hf extensions install REPO_ID 通过 GitHub 存储库扩展 CLI 功能。
• 技能： 使用 hf skills add 管理 AI 助手技能。