用途：为 Hugging Face 生态提供结构化工作流，涵盖 Hub 上的模型、数据集、Spaces 与论文搜索，Transformers 模型加载与推理，datasets 库的数据集管理，PEFT/LoRA 与 QLoRA 微调，以及 Spaces 部署与查询。可用 Skill({ skill: 'huggingface' }) 调用。
主要能力：MCP 工具集成优先，如 hub_repo_search、hub_repo_details、paper_search、space_search、hf_doc_search；回退到 Python API 与 huggingface_hub CLI。推理支持 pipeline 与 AutoTokenizer/AutoModel 显式模式，也可用 InferenceClient 走服务端推理及 OpenAI 兼容 chat_completion。数据集支持 load_dataset（含 streaming）、push_to_hub、map 预处理与格式设置。微调覆盖 LoraConfig、get_peft_model、BitsAndBytesConfig 4-bit QLoRA、TRL 的 SFTTrainer/SFTConfig（packing、bf16、push_to_hub），以及 Liger 内核与 Flash Attention 2 性能优化和适配器 merge_and_unload。Spaces 支持 Gradio 应用、gradio_client 查询与 HfApi 创建上传仓库。
使用方式：安装 pip install transformers datasets peft trl accelerate bitsandbytes，可选 pip install flash-attn --no-build-isolation，再执行 huggingface-cli login。注意 HF_TOKEN 用环境变量，模型选择关注 pipeline_tag、下载量、许可证与显存占用。
适用场景：模型/数据集检索与选型、本地与服务端推理、领域微调与 SFT、评估（如 TGI 部署后跑 lm_eval）、Spaces 演示部署。
限制：训练效果与吞吐受硬件（CUDA/显存）与模型支持度约束；Flash Attention 仅限 Linux+CUDA；部分模型许可证对商用有限制；未提供具体收费与价格信息。