HuggingFace 模型仓库

HuggingFace hf CLI：搜索/下载/上传模型和数据集

Hugging Face CLI (`hf`) 参考指南

hf 命令是与 Hugging Face Hub 交互的现代命令行界面，提供管理仓库、模型、数据集和 Spaces 的工具。

> 重要： hf 命令已取代现已弃用的 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。

认证： 推荐通过 HF_TOKEN 环境变量或 --token 参数。

---

核心命令

通用操作

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）。

hf upload-large-folder REPO_ID LOCAL_PATH：大目录可恢复上传（推荐）。

hf sync：同步本地目录与 bucket 之间的文件。

hf env / hf version：查看环境和版本详情。

认证（hf auth）

login / logout：使用来自 huggingface.co/settings/tokens 的令牌管理会话。

list / switch：管理和切换多个已存储的访问令牌。

whoami：识别当前登录账户。

仓库管理（hf repos）

create / delete：创建或永久删除仓库。

duplicate：将模型、数据集或 Space 克隆到新 ID。

move：在命名空间之间转移仓库。

branch / tag：管理 Git 类引用。

delete-files：使用模式删除特定文件。

---

专业 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 — 通过 DuckDB 对数据集 parquet URL 执行原始 SQL。

模型： hf models list 和 info。

论文： hf papers list — 查看每日论文。

讨论与 Pull Requests（hf discussions）

管理 Hub 贡献生命周期：list、create、info、comment、close、reopen 和 rename。

diff：查看 PR 中的变更。

merge：合并 pull requests。

基础设施与计算

推理端点： 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 hf jobs uv 用于运行带内联依赖的 Python 脚本，以及 stats 用于资源监控。

Spaces： 管理交互式应用。包含 dev-mode 和 hot-reload 用于 Python 文件热更新（无需完全重启）。

存储与自动化

Buckets： 完整类 S3 的 bucket 管理（create、cp、mv、rm、sync）。

Cache： 管理本地存储：list、prune（删除分离的版本）、verify（校验和检查）。

Webhooks： 通过管理 Hub webhooks 自动执行工作流（create、watch、enable/disable）。

Collections： 将 Hub 项目组织为集合（add-item、update、list）。

---

高级用法 & 技巧

全局参数

--format json：输出机器可读格式（用于自动化）。

-q / --quiet：仅输出 ID。

扩展与 Skills

扩展： 通过 hf extensions install REPO_ID 从 GitHub 仓库扩展 CLI 功能。

Skills： 使用 hf skills add 管理 AI 助手技能。