HF Inference 是一个围绕 Hugging Face 无服务器推理（serverless inference）构建的技能，主要用于文本生成图像和文本生成视频。它建议使用随附的命令行脚本执行生成任务，以便将模型 ID、随机种子、生成参数、提供方回退和输出路径都显式表达出来。
用途与主要能力
该技能面向两类任务：文生图和文生视频。文生图方面，默认模型为 Tongyi-MAI/Z-Image-Turbo；文生视频方面，默认模型为 Wan-AI/Wan2.2-T2V-A14B。脚本支持通过 --model-id 指定任意 Hugging Face 文本生成图像或文本生成视频模型。图像与视频生成均支持 --negative-prompt、--width、--height、--steps、--cfg-scale、--seed 以及 --providers 等参数；--seed 设为 -1 表示随机。视频生成还额外支持 --fps 和 --duration。对于提供方或模型专属参数，可通过 --extra-json 传入。
使用方式
使用前需设置 HF_READ_TOKEN 或 HF_TOKEN 环境变量。脚本会先检查 HF_READ_TOKEN，再检查 HF_TOKEN。资料强调不要将令牌写入命令、文件、笔记或最终回复中。
图像生成示例命令为： python "C:\Users\devan\.codex\skills\hf-inference\scripts\hf_generate.py" image --prompt "A clean product render of a glass compass" --out "output\hf\compass.png"
视频生成示例命令为： python "C:\Users\devan\.codex\skills\hf-inference\scripts\hf_generate.py" video --prompt "Ocean waves rolling under moonlight" --out "output\hf\waves.mp4"
依赖安装方面，仅在缺失时安装：python -m pip install huggingface_hub pillow。
工作流程建议
仅在提示词、输出类型或模型选择确实不明确时进行询问；用户未指定模型时使用默认模型；输出路径建议使用当前项目下的稳定路径，通常为 output\hf\；用户要求可复现时使用固定种子，否则保持 --seed -1；若提供方拒绝某个参数，可减少模型专属选项或更换提供方重试；最后报告输出路径、模型 ID、提供方、尺寸和种子。对于视频生成，脚本会先尝试完整的宽、高、FPS 和时长载荷，当提供方拒绝模型专属额外参数时，再以最小化的无服务器载荷重试。
适用场景与限制
该技能适用于需要通过 Hugging Face 无服务器推理快速进行文生图或文生视频，并希望明确控制模型、参数和输出位置的场景。限制在于：视频生成依赖所选模型的无服务器提供方支持，部分模型需要提供方专属参数并通过 --extra-json 传入；令牌必须通过环境变量提供，且不得泄露。资料未提供具体收费、价格或平台可用性信息。