HuggingFace Agent Skills: Standardierte KI-Aufgabendefinitionen für Coding Agents

✍️ OpenClawRadar📅 Veröffentlicht: 24. Februar 2026🔗 Source
HuggingFace Agent Skills: Standardierte KI-Aufgabendefinitionen für Coding Agents
Ad

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

Ad

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

Ad

👀 Siehe auch

Equibles: Selbst gehosteter MCP-Server für US-Finanzdaten – SEC-Einreichungen, 13F, Insider-Geschäfte, FRED
Werkzeuge

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.

OpenClawRadar
Benutzererfahrung: Wechsel von OpenClaw zu Hermes Agent auf lokalem LLM
Werkzeuge

Benutzererfahrung: Wechsel von OpenClaw zu Hermes Agent auf lokalem LLM

Ein Entwickler berichtet, dass er von OpenClaw zu Hermes Agent gewechselt hat und dabei Qwen3.5-9B auf einer RX 9070 XT mit 16 GB VRAM verwendet. Hermes erledigte eine komplexe Aufgabe mit 5 korrekten Tool-Aufrufen im Vergleich zu über 50 Schritten bei OpenClaw, war dabei 2:30 Minuten schneller und behielt gleichzeitig RAG, Tool-Aufrufe und persistente Speicherfunktionalität bei.

OpenClawRadar
LLM-Rat-Analyse enthüllt praktische Claude-Code-Token-Optimierungsstrategien
Werkzeuge

LLM-Rat-Analyse enthüllt praktische Claude-Code-Token-Optimierungsstrategien

Ein Entwickler nutzte das LLM Council Tool mit 5 Personas, um Claude Code Nutzungsmuster zu analysieren, und stellte fest, dass der standardmäßig aktivierte erweiterte Denkmodus der größte Token-Verbraucher war. Das daraus resultierende Playbook erreichte eine 60-70%ige Token-Reduktion bei gleicher oder besserer Ausgabequalität.

OpenClawRadar
Intuno: Open-Sourced Network for AI Agent Discovery and Communication
Werkzeuge

Intuno: Open-Sourced Network for AI Agent Discovery and Communication

Intuno ist ein Open-Source-Netzwerk, in dem KI-Agenten ihre Fähigkeiten registrieren, sich gegenseitig über semantische Suche entdecken und Funktionen mit nur drei Zeilen Python-Code aufrufen können. Es beinhaltet MCP-Integration zur Nutzung mit Claude Desktop oder Cursor.

OpenClawRadar