用途：该技能面向使用 Hugging Face Transformers 库处理预训练 Transformer 模型的场景，覆盖自然语言处理、计算机视觉、音频和多模态任务，可用于加载模型、执行推理以及在自定义数据上微调。
主要能力：一是 Pipeline API，用于快速推理，支持文本生成、文本分类、命名实体识别、问答、摘要、翻译、图像分类、目标检测、音频分类等任务，适合快速原型和无需自定义预处理的简单推理。二是模型加载与管理，可对配置、设备放置和精度进行细粒度控制。三是文本生成，支持贪心、束搜索、采样等解码策略，以及 temperature、top-k、top-p 等参数。四是训练与微调，通过 Trainer API 支持自动混合精度、分布式训练和日志记录。五是分词，支持填充、截断和特殊 token 处理。
使用方式：安装核心依赖可执行 uv pip install torch transformers datasets evaluate accelerate；视觉任务追加 uv pip install timm pillow；音频任务追加 uv pip install librosa soundfile。部分 Hub 模型需要认证，可用 from huggingface_hub import login 后调用 login()，或设置环境变量 export HUGGINGFACE_TOKEN="your_token_here"，令牌获取地址为 https://huggingface.co/settings/tokens。快速推理可用 pipeline("task-name", model="model-id")；需要高级控制时可分别加载 AutoTokenizer 与 AutoModelForCausalLM，并使用 device_map="auto"；微调可配置 TrainingArguments 后交给 Trainer 训练。
适用场景：快速原型、简单推理、自定义模型初始化、设备管理、模型检查、创意与代码生成、对话式 AI、文本补全、任务适配、领域适配和性能提升等。
限制：资料未提供具体模型清单、性能基准、收费与价格信息，也未说明各任务的具体支持范围与硬件要求，相关细节暂未提供。