用途：通过 Hugging Face Transformers 库访问数千个预训练模型，覆盖 NLP、计算机视觉、音频和多模态任务，可加载模型、执行推理并在自定义数据上微调。
主要能力：Pipeline API 支持文本生成、分类、NER、问答、摘要、翻译、图像分类、目标检测、音频分类等快速推理；可精细控制模型加载、设备放置与精度；支持贪心、束搜索、采样等解码策略及 temperature、top-k、top-p 参数；Trainer API 支持混合精度、分布式训练与日志；Tokenizer 支持填充、截断和特殊 token 处理。
安装：uv pip install "transformers[torch]==5.12.0" huggingface_hub==1.19.0 datasets==5.0.0 evaluate==0.4.6 accelerate==1.14.0。视觉任务加装 timm==1.0.27 pillow==12.2.0；音频任务加装 librosa==0.11.0 soundfile==0.14.0。需 Python 3.10+，torch extra 需 PyTorch 2.4+。
认证：受限或私有模型需先认证，推荐 hf auth login，或在 Python 中 from huggingface_hub import login; login()，服务器/CI 可设置 HF_TOKEN 环境变量。令牌应使用最小权限，勿硬编码或提交到仓库。
用法：简单推理用 pipeline("task-name", model="model-id")；高级控制可分别加载 AutoTokenizer 与 AutoModelForCausalLM，配合 device_map="auto" 和 model.generate；微调使用 TrainingArguments 与 Trainer。
限制：Transformers v5 仅支持 PyTorch，TensorFlow 与 JAX 后端已移除；自定义架构需在 Hub 接受许可后使用 trust_remote_code=True；缓存可用 HF_HOME 或 HF_HUB_CACHE 设置，HF_HUB_OFFLINE=1 仅在模型已缓存后使用。版本固定用于可复现示例，探索性工作需先查看发布说明再放宽。