Compétences de l'Agent HuggingFace : Définitions standardisées de tâches d'IA pour les agents de programmation

Les HuggingFace Skills sont des définitions standardisées pour les tâches d'IA/ML qui fonctionnent avec les principaux outils d'agents de codage. Chaque skill regroupe des instructions, des scripts et des ressources dans un dossier avec un fichier SKILL.md contenant un en-tête YAML (nom et description) suivi d'instructions pour l'agent de codage.
Fonctionnement des Skills
Les skills suivent un format standardisé et sont compatibles avec plusieurs outils d'agents. Le dépôt inclut la prise en charge de différents systèmes d'agents :
- Claude Code utilise le terme "Skills" et nécessite une inscription des plugins
- OpenAI Codex utilise un fichier AGENTS.md pour les instructions
- Google Gemini utilise des 'extensions' définies dans gemini-extension.json
- Cursor utilise des manifestes de plugin (.cursor-plugin/plugin.json et .mcp.json)
Méthodes d'installation
Claude Code :/plugin marketplace add huggingface/skills/plugin install <skill-name>@huggingface/skills
Exemple : /plugin install hugging-face-cli@huggingface/skills
Codex :
Codex identifie les skills via AGENTS.md. Vérifiez avec :codex --ask-for-approval never "Résumez les instructions actuelles."
Gemini CLI :
Installez localement :gemini extensions install . --consent
Ou depuis GitHub :gemini extensions install https://github.com/huggingface/skills.git --consent
Cursor :
Installez depuis l'URL du dépôt via le flux de plugin Cursor. Pour les contributeurs, régénérez les manifestes avec :./scripts/publish.sh
Skills disponibles
- hugging-face-cli : Exécutez des opérations sur le Hugging Face Hub en utilisant le CLI hf. Téléchargez des modèles/jeux de données, uploadez des fichiers, gérez les dépôts et exécutez des jobs de calcul cloud.
- hugging-face-datasets : Créez et gérez des jeux de données sur le Hugging Face Hub. Prend en charge l'initialisation des dépôts, la définition des configs/prompts système, la mise à jour en flux des lignes et l'interrogation/transformation de jeux de données basée sur SQL.
- hugging-face-evaluation : Ajoutez et gérez les résultats d'évaluation dans les fiches de modèles Hugging Face. Prend en charge l'extraction des tableaux d'évaluation du contenu README, l'importation des scores depuis l'API Artificial Analysis et l'exécution d'évaluations personnalisées avec vLLM/lighteval.
- hugging-face-jobs : Exécutez des jobs de calcul sur l'infrastructure Hugging Face. Exécutez des scripts Python, gérez les jobs planifiés et surveillez l'état des jobs.
- hugging-face-model-trainer : Entraînez ou affinez des modèles de langage en utilisant TRL sur l'infrastructure Hugging Face Jobs. Couvre les méthodes d'entraînement SFT, DPO, GRPO et de modélisation de récompense, plus la conversion GGUF pour le déploiement local. Inclut la sélection du matériel, l'estimation des coûts, la surveillance Trackio et la persistance sur le Hub.
- hugging-face-paper-publisher : Publiez et gérez des articles de recherche sur le Hugging Face Hub. Prend en charge la création de pages d'articles, la liaison des articles aux modèles/jeux de données, la revendication de paternité et la génération d'articles de recherche professionnels basés sur markdown.
- hugging-face-tool-builder : Créez des scripts réutilisables pour les opérations de l'API Hugging Face.
Si votre agent ne prend pas en charge les skills, vous pouvez utiliser directement agents/AGENTS.md comme solution de secours. Le dépôt est ouvert aux contributions de nouveaux skills.
📖 Lire la source complète : HN AI Agents
👀 See Also

Construire une Infrastructure de Connaissance IA Persistante avec OpenClaw
Un développeur a créé 'Brain'—un service central de connaissances avec RAG local, coordination multi-agents et un système de plugins typés—pour résoudre le problème de l'absence d'état dans les configurations d'IA. Le système fonctionne entièrement sur du matériel local en utilisant Ollama, Postgres, MongoDB, Qdrant et Memgraph.

Compétences en recherche académique pour Claude Code : un pipeline humain-dans-la-boucle pour la rédaction d'articles
Academic Research Skills (ARS) v3.7.0+ est un plugin Claude Code qui automatise la recherche de références, le formatage des citations, la vérification des données et l'examen de cohérence logique, tout en laissant le chercheur humain garder le contrôle. Installez-le via /plugin marketplace add Imbad0202/academic-research-skills.

Supra-50M-Reasoning : Petit modèle open-source avec raisonnement par chaîne de pensée
SupraLabs publie Supra-50M-Reasoning, un modèle de 50M paramètres affiné pour produire une chaîne de pensée complète avant les réponses. Dataset de 500 échantillons rédigé à la main, entièrement open source.

L'outil GrapeRoot MCP réduit l'utilisation de tokens de code Claude de 50 à 70 %.
Un développeur a créé GrapeRoot, un outil MCP utilisant Claude Code, qui suit les fichiers explorés et évite de relire le contenu inchangé, réduisant l'utilisation de tokens de 50 à 70 % et permettant aux abonnements Claude Code à 20 $ de durer 2 à 3 fois plus longtemps.