用途：Hugging Science 是面向科研场景的 AI/ML 资源发现与实现索引，用于回答某科学领域是否有可用数据集或模型、如何微调与评测、如何复现科学 ML 论文等问题。适用于任务涉及蛋白质、基因组、分子、晶体、天气、气候、星系、EEG、微生物组、病理、等离子体等领域时；通用机器学习任务不适用。
主要能力：提供 huggingscience.co 目录，包含 llms.txt（精简索引）、llms-full.txt（全量内容）和 topics/<slug>.md（单领域）等可解析的 Markdown 文件；覆盖 17 个领域标识：astronomy、benchmark、biology、biotechnology、chemistry、climate、conservation、earth-science、ecology、energy、engineering、genomics、materials-science、mathematics、medicine、physics、scientific-reasoning。另有 Hugging Face 组织 huggingface.co/hugging-science，含社区提交的数据集、少量模型及约 27 个交互式 Space（如 BoltzGen、Dataset Quest、Science Release Heatmap）。目录条目指向 HF Hub 上的常规数据集与模型，使用标准 HF API 调用。
使用方式：先映射领域，再用脚本或直接抓取获取目录内容： python scripts/fetch_catalog.py topic biology python scripts/fetch_catalog.py topic materials-science --filter models python scripts/fetch_catalog.py search "protein language model" python scripts/fetch_catalog.py all 也可直接访问 https://huggingscience.co/llms.txt、https://huggingscience.co/llms-full.txt、https://huggingscience.co/topics/<slug>.md。选取资源时综合考量规模、许可证与访问权限、模态（DNA/蛋白质/SMILES/晶体结构）、新旧替代关系。数据集通过 datasets 加载，模型通过 transformers 或推理 API，Space 可用 gradio_client 调用。生成代码前查阅对应参考文件（using-datasets.md、using-models.md、using-spaces.md），并可用 flagship-resources.md 获取各领域默认推荐。
限制：目录为精选而非穷尽，未收录不代表 HF Hub 上不存在，可回退到 HF Hub 直接搜索；目录条目只是指针，Hugging Science 本身不提供推理端点；部分科学模型需 trust_remote_code=True；科学数据集常很大且结构特殊，建议默认使用 streaming=True 并先检查 schema；部分资源受权限控制，使用 HF_TOKEN 环境变量认证，建议从 .env 读取并避免硬编码或输出令牌。目录可能持续变化，链接失效时应重新抓取。