用途：本技能整理 Hugging Face Transformers 库的使用最佳实践，覆盖模型加载、分词、微调、pipeline 调用与推理优化，适合处理分类、问答、生成等 NLP 任务及生产部署。
主要能力：
- 模型加载：AutoModel/AutoTokenizer 基础加载、自定义配置、8 位与 4 位量化加载、本地路径加载。
- 分词：批量分词、padding/truncation/max_length/return_tensors 参数、特殊 token 处理、问答与生成任务的分词差异。
- 微调：Trainer 标准流程、LoRA 参数高效微调、自定义训练循环。
- Pipeline：文本分类、问答、文本生成、零样本分类等高层 API。
- 推理优化：批处理、混合精度 AMP、ONNX 导出、动态量化。
- 常见问题：CUDA 显存不足、分词慢、结果不一致、attention mask 错误。
- 模型专属模式：GPT、T5、BERT 的调用差异。
使用方式：通过 from transformers import ... 引入相应类，按资料中的代码模式加载模型与分词器，配置 TrainingArguments 后使用 Trainer 训练，或用 pipeline 直接推理。
适用场景：预训练模型加载与推理、自定义数据微调、NLP 任务实现、推理性能优化、生产部署。
限制：资料未提供具体安装命令、版本要求、收费与价格信息；部分代码示例在原文中被截断，未完整给出。