用途：帮助用户针对某项任务筛选并比较 Hugging Face 上的推荐模型，输出含基准分数、模型规模与设备适配性的对比表。
主要能力与流程：先从请求中解析任务类型（如编码、数学推理、对话、OCR、检索、语音识别、图像分类、多模态、智能体等）与设备约束；若未提及设备则跳过筛选，直接按表现排序。设备指定时按内存估算参数预算，例如 fp16 最大参数(B)≈内存(GB)÷2，Q4 最大参数(B)≈内存(GB)×2。随后获取官方基准数据集列表，逐个查询排行榜前若干模型并收集分数，再通过模型信息接口或 CLI 获取参数量（safetensors.total 或从模型名解析）与许可证。最后按分数排序，保留前 5–8 个，输出对比表，并用⭐标注首推模型；专有模型如出现在榜单会标注为 API 专用、不可自托管。
使用方式：需要在已配置 Hugging Face 令牌的环境中执行，示例命令： export HF_AUTH="Bearer $(cat ~/.cache/huggingface/token)" curl 调用数据集与模型 API；也可用 hf models info org/model1 --json。输出表格中模型名链接到 https://huggingface.co/<model_id>，未评测项用“—”表示，设备适配标注为 Yes (fp16)、Q4 only、Too large 或 API only。表格后可询问是否运行首推模型，并区分本地运行或 HF Jobs（https://huggingface.co/docs/huggingface_hub/en/guides/jobs）。
限制：排行榜查询失败会跳过并注明不可用；模型信息缺失时回退为按模型名解析规模；无相关基准时使用候选表或按热度搜索并说明结果依据为流行度而非基准分数。以上细节依据公开资料整理，实际可用性与准确性受榜单与接口数据影响。