HuggingFace Agent Skills: Standardierte KI-Aufgabendefinitionen für Coding Agents

HuggingFace Skills sind standardisierte Definitionen für KI/ML-Aufgaben, die mit wichtigen Coding-Agent-Tools funktionieren. Jede Skill bündelt Anweisungen, Skripte und Ressourcen in einem Ordner mit einer SKILL.md-Datei, die YAML-Frontmatter (Name und Beschreibung) enthält, gefolgt von Anleitungen für den Coding-Agenten.
Wie Skills funktionieren
Skills folgen einem standardisierten Format und sind mit mehreren Agent-Tools kompatibel. Das Repository umfasst Unterstützung für verschiedene Agent-Systeme:
- Claude Code verwendet den Begriff "Skills" und erfordert eine Plugin-Registrierung
- OpenAI Codex verwendet eine AGENTS.md-Datei für Anweisungen
- Google Gemini verwendet 'Extensions', die in gemini-extension.json definiert sind
- Cursor verwendet Plugin-Manifeste (.cursor-plugin/plugin.json und .mcp.json)
Installationsmethoden
Claude Code:/plugin marketplace add huggingface/skills/plugin install <skill-name>@huggingface/skills
Beispiel: /plugin install hugging-face-cli@huggingface/skills
Codex:
Codex identifiziert Skills über AGENTS.md. Überprüfen mit:codex --ask-for-approval never "Fasse die aktuellen Anweisungen zusammen."
Gemini CLI:
Lokal installieren:gemini extensions install . --consent
Oder von GitHub:gemini extensions install https://github.com/huggingface/skills.git --consent
Cursor:
Über Repository-URL via Cursor-Plugin-Flow installieren. Für Mitwirkende, Manifeste neu generieren mit:./scripts/publish.sh
Verfügbare Skills
- hugging-face-cli: Hugging Face Hub-Operationen mit dem hf CLI ausführen. Modelle/Datensätze herunterladen, Dateien hochladen, Repos verwalten und Cloud-Compute-Jobs ausführen.
- hugging-face-datasets: Datensätze auf Hugging Face Hub erstellen und verwalten. Unterstützt das Initialisieren von Repos, Definieren von Konfigurationen/System-Prompts, Streaming von Zeilenaktualisierungen und SQL-basierte Datensatzabfragen/-transformation.
- hugging-face-evaluation: Evaluationsergebnisse in Hugging Face Model Cards hinzufügen und verwalten. Unterstützt das Extrahieren von Evaluationstabellen aus README-Inhalten, Importieren von Scores von der Artificial Analysis API und Ausführen von benutzerdefinierten Evaluationen mit vLLM/lighteval.
- hugging-face-jobs: Compute-Jobs auf Hugging Face-Infrastruktur ausführen. Python-Skripte ausführen, geplante Jobs verwalten und Job-Status überwachen.
- hugging-face-model-trainer: Sprachmodelle mit TRL auf Hugging Face Jobs-Infrastruktur trainieren oder feinabstimmen. Deckt SFT, DPO, GRPO und Reward-Modeling-Trainingsmethoden ab, plus GGUF-Konvertierung für lokales Deployment. Beinhaltet Hardware-Auswahl, Kostenschätzung, Trackio-Überwachung und Hub-Persistenz.
- hugging-face-paper-publisher: Forschungsarbeiten auf Hugging Face Hub veröffentlichen und verwalten. Unterstützt das Erstellen von Paper-Seiten, Verlinken von Papers mit Modellen/Datensätzen, Autorenschaft beanspruchen und professionelle, auf Markdown basierende Forschungsartikel generieren.
- hugging-face-tool-builder: Wiederverwendbare Skripte für Hugging Face API-Operationen erstellen.
Wenn Ihr Agent Skills nicht unterstützt, können Sie agents/AGENTS.md direkt als Fallback verwenden. Das Repository ist offen für Beiträge neuer Skills.
📖 Read the full source: HN AI Agents
👀 Siehe auch

ClawCut Proxy auf GitHub veröffentlicht, um OpenClaw für kleine LLMs zu optimieren
ClawCut ist ein experimenteller Proxy, der JSON-Aufrufe manipuliert, injiziert und JSON-Überfluss aus OpenClaw extrahiert, um die kognitive Belastung kleiner Modelle (7B-8B) auf begrenzter Hardware zu reduzieren.

Equibles: Selbst gehosteter MCP-Server für US-Finanzdaten – SEC-Einreichungen, 13F, Insider-Geschäfte, FRED
Equibles ist ein Open-Source-MCP-Server, der öffentliche US-Finanzdaten (SEC-Einreichungen, 13F, Insider-/Kongressgeschäfte, Short-Daten, FRED) abruft und als MCP-Tools für jeden lokalen LLM-Agenten bereitstellt.

Sokratischer Prompt-Generator, erstellt als React-Artefakt in Claude
Ein Entwickler hat einen sokratischen Prompt-Generator als React-Artefakt erstellt, der innerhalb von Claude läuft und automatisch die Eingabekomplexität erkennt sowie eine dreistufige Prompt-Generierung mit Fehlermodusanalyse bietet.

Signet: Open-Source Memory Layer für KI-Codierungsagenten erreicht 80 % F1 bei LoCoMo
Signet ist ein Open-Source-Gedächtnissystem für KI-Coding-Agenten, das 80 % F1 auf dem LoCoMo-Benchmark erreicht, verglichen mit 41 % für Standard-RAG. Es extrahiert Erinnerungen nach jeder Sitzung und injiziert relevante Kontexte vor Prompts, lokal mit SQLite.