Hugging Face CLI（hf）是与 Hugging Face Hub 交互的现代命令行界面，用于管理仓库、模型、数据集和 Spaces。需注意 hf 命令已取代弃用的 huggingface-cli 命令。
快速开始 安装：curl -LsSf https://hf.co/cli/install.sh | bash -s 帮助：使用 hf --help 查看所有可用函数与真实示例。 认证：推荐通过 HF_TOKEN 环境变量或 --token 标志进行。
核心命令 通用操作： hf download REPO_ID：从 Hub 下载文件。 hf upload REPO_ID：上传文件/文件夹（推荐用于单次提交）。 hf upload-large-folder REPO_ID LOCAL_PATH：推荐用于大型目录的可续传上传。 hf sync：在本地目录与 bucket 之间同步文件。 hf env / hf version：查看环境与版本详情。
认证（hf auth）： login / logout：使用来自 huggingface.co/settings/tokens 的令牌管理会话。 list / switch：管理并在多个已存储访问令牌之间切换。 whoami：识别当前登录账户。
仓库管理（hf repos）： create / delete：创建或永久移除仓库。 duplicate：将模型、数据集或 Space 克隆到新 ID。 move：在命名空间之间转移仓库。 branch / tag：管理类似 Git 的引用。 delete-files：使用模式移除特定文件。
Hub 专项交互 数据集与模型： 数据集：hf datasets list、info 与 parquet（列出 parquet URL）。 SQL 查询：hf datasets sql SQL — 通过 DuckDB 针对数据集 parquet URL 执行原始 SQL。 模型：hf models list 与 info。 论文：hf papers list — 查看每日论文。
讨论与 Pull Request（hf discussions）： 管理 Hub 贡献的生命周期：list、create、info、comment、close、reopen 与 rename。 diff：查看 PR 中的更改。 merge：完成 pull request。
基础设施与计算： Endpoints：部署与管理 Inference Endpoints（deploy、pause、resume、scale-to-zero、catalog）。 Jobs：在 HF 基础设施上运行计算任务。包括 hf jobs uv 用于运行带内联依赖的 Python 脚本，以及 stats 用于资源监控。 Spaces：管理交互式应用。包括 dev-mode 与 hot-reload，可在不完整重启的情况下加载 Python 文件。
存储与自动化： Buckets：完整的类 S3 桶管理（create、cp、mv、rm、sync）。 Cache：管理本地存储，包括 list、prune（移除分离的修订）与 verify（校验和检查）。 Webhooks：通过管理 Hub webhook 自动化工作流（create、watch、enable/disable）。 Collections：将 Hub 项目组织到 collections 中（add-item、update、list）。
高级用法与提示 全局标志： --format json：生成机器可读输出以用于自动化。 -q / --quiet：将输出限制为仅 ID。
扩展与技能： 扩展：通过 GitHub 仓库使用 hf extensions install REPO_ID 扩展 CLI 功能。 技能：使用 hf skills add 管理 AI 助手技能。