用途：该技能面向 Hugging Face Transformers 库，帮助加载预训练模型、执行推理并在自定义数据上微调，覆盖 NLP、计算机视觉、音频和多模态任务。
主要能力：提供 Pipeline API 快速推理，支持文本生成、文本分类、命名实体识别、问答、摘要、翻译、图像分类、目标检测、音频分类等；支持模型加载与管理，可控制配置、设备放置和精度；支持多种解码策略（贪心、束搜索、采样）及 temperature、top-k、top-p 等参数；支持使用 Trainer API 微调，含自动混合精度、分布式训练和日志；支持分词、填充、截断和特殊 token 处理。
使用方式：安装核心依赖 uv pip install torch transformers datasets evaluate accelerate；视觉任务追加 uv pip install timm pillow；音频任务追加 uv pip install librosa soundfile。部分模型需认证，可用 from huggingface_hub import login 后 login()，或设置 export HUGGINGFACE_TOKEN="your_token_here"，token 获取地址为 https://huggingface.co/settings/tokens。快速推理示例：from transformers import pipeline；generator = pipeline("text-generation", model="gpt2")。自定义模型可分别加载 AutoTokenizer 与 AutoModelForCausalLM，并用 device_map="auto"。微调使用 TrainingArguments 与 Trainer。
适用场景：快速原型、简单推理、自定义预处理、任务或领域适配、模型性能提升。
限制：资料未提供具体收费、价格、平台支持范围或效果数据；部分模型需认证；具体任务覆盖与优化细节需查阅对应参考文档。