用途：该技能面向使用 Hugging Face Transformers 库处理预训练 Transformer 模型的场景，覆盖自然语言处理、计算机视觉、音频和多模态任务，可用于加载模型、执行推理以及在自定义数据上微调。
主要能力：一是 Pipeline 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、音频分类等任务，适合快速原型和无需自定义预处理的简单推理；二是模型加载与管理，可对配置、设备放置和精度进行细粒度控制；三是文本生成，支持贪心、束搜索、采样等解码策略及 temperature、top-k、top-p 等参数；四是使用 Trainer API 微调，支持自动混合精度、分布式训练和日志记录；五是分词，支持填充、截断和特殊 token 处理。
使用方式：安装核心依赖可执行 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 Hub 模型需要认证，可用 from huggingface_hub import login 后 login()，或设置环境变量 export HUGGINGFACE_TOKEN="your_token_here"，令牌获取地址为 https://huggingface.co/settings/tokens。快速推理可用 pipeline("task-name", model="model-id")；需要高级控制时可分别加载 AutoTokenizer 与 AutoModelForCausalLM，并使用 device_map="auto" 与 model.generate；微调可配置 TrainingArguments 后交给 Trainer 训练。
适用场景：快速原型、简单推理、自定义预处理、领域适配、任务特定模型改进等。
限制：资料未提供具体模型清单、性能数据、收费信息或平台支持范围；实际可用性取决于所选模型与运行环境。