用途:在 Hugging Face Spaces(每个 Space 是一个 git 仓库,用三种 SDK 之一托管 ML 应用)上创建、构建、调试和维护应用。
主要能力与用法: 开始前检查 hf CLI(which hf;未装则 pip install -U huggingface_hub)并用 hf auth whoami 确认登录,需写入权限令牌。可用 hf skills add hf-cli 安装配套技能。
三种 SDK:Gradio(最常见,Python,支持 ZeroGPU)、Docker(任意容器,不支持 ZeroGPU)、Static(纯 HTML 或构建后的 React/Svelte/Vue,用于浏览器端 ML,无需硬件)。
硬件:cpu-basic(2 vCPU / 16 GB)与 zero-a10g(ZeroGPU,按请求动态分配 GPU,创作者免费,需 PRO/Team/Enterprise)免费;专用 GPU(T4、L4、A10G、L40S、A100、H200)按小时向创作者计费,用 hf spaces hardware 查看列表与价格。
创建:hf repos create <namespace>/<name> --type space --space-sdk <gradio|docker|static>,可加 --flavor、--secrets、--env 与可见性选项;README YAML 中的 hardware 会被忽略,硬件只能用 --flavor 或 hf spaces settings 设置。
构建要点:README frontmatter 需含 title、sdk、app_file 等,sdk_version 默认用最新稳定版;ZeroGPU 的 Gradio 应用须在 torch 之前 import spaces,模型在模块级加载并 .to("cuda"),用 @spaces.GPU(duration=...) 装饰 Gradio 绑定的函数。requirements.txt 不要列 gradio、spaces、huggingface_hub;ZeroGPU 仅接受 torch 2.8.0、2.9.1、2.10.0、2.11.0。
迭代与验证:在线上 Space 迭代而非本地;按改动选择热重载、hf upload 或完整重建;用 hf spaces info --expand runtime、hf spaces logs --tail/--follow 检查,再用 gradio_client 实际调用接口并校验输出。持久化用 hf buckets create 与 hf spaces volumes set 挂载到 /data。故障排查先读日志,再查 known-errors 参考。
限制:仅适用于与其上游产品/API 范围明确匹配的任务;使用前需按当前官方文档核实命令、API 行为、价格、配额与凭据;示例不能替代环境测试、安全审查或对破坏性/高成本操作的审批。其余细节暂未提供。