用途：Hugging Science 是一个面向大语言模型友好的科学数据集、模型、博客与交互式演示的精选索引，适用于生物学、化学、物理学、天文学、气候、基因组学、材料、医学、生态等科学领域的 AI/ML 任务。当用户询问某科学领域是否有可用数据集或模型、需要微调科学数据、复现科学 ML 论文或寻找交互式演示时使用。
主要能力：提供两个入口。一是 huggingscience.co 目录，覆盖 17 个科学主题，提供 llms.txt、llms-full.txt 及 topics/<slug>.md 等可解析的 markdown 文件。二是 Hugging Face 上的 hugging-science 组织，包含社区提交的数据集、少量模型及约 27 个交互式 Space（如 BoltzGen 用于蛋白质/结合体设计、Dataset Quest、Science Release Heatmap）。目录条目指向 Hugging Face Hub 上的资源，使用标准 HF API 加载。
使用方式：先识别任务所属主题（astronomy、biology、chemistry、genomics、materials-science、medicine、physics 等），再用脚本获取目录内容，例如 python scripts/fetch_catalog.py topic biology、python scripts/fetch_catalog.py search "protein language model"。也可直接获取 https://huggingscience.co/llms.txt 或 topics/<slug>.md。选择资源时需考虑规模、许可证、模态匹配与新旧程度。数据集通过 datasets 库加载，模型通过 transformers 加载，Space 通过 gradio_client 调用。许多资源需要 HF_TOKEN 认证，建议从 .env 文件加载，使用 python-dotenv。
适用场景与限制：适合科学领域 ML 的资源发现与选型。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 搜索。条目仅为指针，没有 Hugging Science 推理端点。许多科学模型需要 trust_remote_code=True。科学数据集常体积庞大且结构特殊，建议默认使用流式加载并先检查 schema。目录可能更新，URL 失效时应重新获取主题文件。