用途：该技能用于在 Hugging Face 全托管基础设施上运行任意工作负载，无需本地环境。常见场景包括数据处理、批量推理、实验与基准测试、模型训练、合成数据生成、开发测试与定时任务。模型训练部分另见 model-trainer 技能（TRL）。
主要能力与用法：支持两种方式。一是 UV 脚本，用 PEP 723 内联依赖，通过 hf_jobs("uv", {...}) 提交；CLI 为 hf jobs uv run my_script.py --flavor cpu-basic --timeout 30m。可指定自定义镜像（如 vllm/vllm-openai:latest）、Python 版本与运行时依赖。二是 Docker 任务，通过 hf_jobs("run", {...}) 指定 image 与 command，CLI 为 hf jobs run python:3.12 python -c "..."。还可使用来自 HF Spaces 的镜像。UV 脚本集合可在 Hub 的 uv-scripts 组织中发现。
硬件：CPU（cpu-basic、cpu-upgrade）、GPU（t4-small、t4-medium、l4x1、l4x4、a10g-small、a10g-large、a10g-largex2、a10g-largex4、a100-large）、TPU（v5e-1x1、v5e-2x2、v5e-2x4）。建议先用小规格测试再扩容。
认证与持久化：需要付费计划（Pro/Team/Enterprise）。涉及 Hub 操作需通过 secrets 传入 HF_TOKEN，推荐 secrets={"HF_TOKEN": "$HF_TOKEN"}，切勿硬编码。环境为临时的，任务结束后文件被删除，须把模型、数据集或产物推送到 Hub，或使用 S3、GCS 等外部存储，或经 API 发送结果。默认超时 30 分钟，长任务应设置更长超时（如 "2h"）。
限制：使用 hf_jobs() MCP 工具时，script 必须是内联代码字符串或 URL，本地文件路径在远程容器中不可见；CLI 则支持本地路径。文档中出现的收费价格信息（如每小时费用）资料未完整提供，具体以官方为准。