---
title: "万字长文｜Hugging Face从入门到精通"
author: Miles Ma
date: 2026-09-01
section: 工具教程
url: https://immilesma.com/blog/hugging-face-complete-guide/
x: https://x.com/miles_mazy/status/2094730635932053664
description: "先在 Spaces 体验 AI 应用，再到 Models 判断模型、选择版本并下载到本地。接着认识数据集、LoRA、资源集合和论文入口，结合任务、许可证与电脑配置，判断哪些资源值得使用。"
---

# 万字长文｜Hugging Face从入门到精通

> 先在 Spaces 体验 AI 应用，再到 Models 判断模型、选择版本并下载到本地。接着认识数据集、LoRA、资源集合和论文入口，结合任务、许可证与电脑配置，判断哪些资源值得使用。

找开源模型时，经常会点进同一个网站：Hugging Face。它最有用的地方，是把模型、数据和能直接体验的应用放在一起。看到一个感兴趣的 AI 效果，你可以顺着介绍找到演示，试过之后，再决定要不要把模型下载到自己的电脑上。

但第一次打开它，确实不太容易下手。满屏英文，模型名字后面跟着一串数字，还有 Datasets、Spaces、GGUF、LoRA。想找个能用的东西，点进去却像进了文件夹。

## 一、为什么值得用 Hugging Face？

用现成的 AI 产品，主要是在它提供的功能里选择。你输入一句话，它给你一张图；如果想换掉背后的模型，或者下载到自己的电脑上，产品未必提供这样的入口。

**我看重的是，模型可以自己挑，用法也有得选**。有网页应用就先试效果，合适再找下载版本；拿不准时，还能回到原始说明里查。

同样是“把一张图片变成视频”，这里可能有不同团队的模型、别人做好的在线演示，以及适合本地软件的下载版本。你可以先试效果，再决定用哪一个。

模型页可能连着演示和论文，数据集页可能列出用它训练过的模型。一个效果引起兴趣后，可以顺着这些链接找到来源，看看它是怎么做出来的。

不写代码，也可以用别人做好的网页应用，或者把模型交给支持它的图形软件。想试新能力、下载开源资源、找某种图片风格时，这些选择尤其有用。

这里的资源由不同作者发布，使用许可、硬件要求和演示费用各不相同，具体看项目说明。

![文章配图](https://immilesma.com/blog/hugging-face-complete-guide/media/01-image-01.jpg)

## 二、打开首页，先认这五个位置

打开 [Hugging Face 首页](https://huggingface.co/)，先看最上面一行。

![文章配图](https://immilesma.com/blog/hugging-face-complete-guide/media/02-image-09.jpg)

**① 搜索框**：已经知道名字，就来这里找。可以搜模型，也可以搜数据集、作者或组织。别人给你一个完整名称，直接复制过来，比自己猜关键词省事。

**② Models**：模型区。你想找 Qwen、DeepSeek 这样的模型，或者需要下载某个绘图模型，主要来这里。

**③ Datasets**：数据集区。里面放的是整理好的数据，比如图片和说明文字、问题和答案、带分类标签的照片。

**④ Spaces**：应用区。别人把 AI 做成了网页工具，打开就能找到输入框、上传区等操作界面。想先试效果，从这里找。

**⑤ 更多菜单**：点开后能找到论文、课程和收藏入口，位置见截图中的标记。

比如想玩 AI 修图，可以先去 Spaces 找修图应用。觉得效果不错，再从应用介绍里找模型，看看有没有适合自己电脑使用的版本。

接着点开图里的“更多菜单”。

![文章配图](https://immilesma.com/blog/hugging-face-complete-guide/media/03-image-19.jpg)

**Collections 是收藏集合，Daily Papers 是论文，Learn 是课程**。

英文不熟，可以用浏览器的网页翻译。按钮名称最好同时记住英文，方便对照截图找位置。

## 三、先去 Spaces，玩一个能直接打开的 AI 应用

点顶部的 Spaces，进入 [AI 应用目录](https://huggingface.co/spaces)。

![文章配图](https://immilesma.com/blog/hugging-face-complete-guide/media/04-image-18.jpg)

页面上的每张卡片基本对应一个应用，卡片里有名字、简单介绍和发布者。点开卡片就能进入应用，模型下载是另一项操作。

图里的几个位置这样用：
- **① 顶部的大搜索框**：描述你想让 AI 做什么。
- **② 用途分类**：比如 Image Generation 是生成图片，Video Generation 是生成视频，Text Generation 是生成文字。
- **③ Filter by name**：按名称查找。已经知道某个 Space 叫什么，用这里更直接。
- **④ 应用卡片**：点开，进入实际应用。

可以先找一个小工具，比如去背景、放大图片。任务具体，试完就知道有没有用。

### 1. 搜索时，尽量用英文关键词

这里的项目名、标签和介绍大量使用英文。中文不是完全不能搜，但换成常见英文词，通常更容易找到相关内容。

![文章配图](https://immilesma.com/blog/hugging-face-complete-guide/media/05-image-14.jpg)

搜到结果后，点开介绍看看它具体做什么。同样叫“图片编辑”，有的擅长换背景，有的擅长局部修改，有的只是展示研究结果。

同一个关键词下面出现许多相似卡片也很正常。它们可能采用同一个模型，也可能是别人复制后做了改动。不要只看名字相像就当作同一个应用，顺手看一眼发布者。

### 2. 以抠图应用为例，看懂打开后的页面

打开 [Xenova 的 Remove Background Web](https://huggingface.co/spaces/Xenova/remove-background-web)，这是一个去掉图片背景的应用。

![文章配图](https://immilesma.com/blog/hugging-face-complete-guide/media/06-image-05.jpg)

**① App** 是当前的应用页面；旁边的 Files 和 Community 分别通向项目文件和社区讨论。

**② Click to upload image** 是上传图片，点它选择要处理的文件。别的应用里可能写 Upload 或 Drop image here，也是把图片放进来的位置。

**③ try example** 是试用作者准备的示例。可以先点它，熟悉操作后再放自己的图片。

**④ RMBG V1.4 model** 是它背后的模型链接。顺着这里点进去，就能从应用找到它用的模型。

这个应用说明自己在浏览器本地运行；其他 Space 可能把图片发到服务器，或者调用外部服务，处理方式要分别看。第一次体验用普通示例图就好，身份证、客户合同、未公开的商品图先别上传。

### 3. 换一个应用，哪些按钮还是通用的？

不同 Space 的界面会有差别，但常用按钮的名称比较接近：

![文章配图](https://immilesma.com/blog/hugging-face-complete-guide/media/07-image-04.jpg)

有的应用选完图片就自动处理，有的还要点 Run。先找到输入区、开始按钮和结果区就好。

Advanced Settings 是高级设置，刚开始用默认值即可。需要调整时，一次改一项，方便比较效果。

试工具时，可以先用示例看清操作顺序，再换一张不含敏感信息的图片。比如试抠图，看看边缘是否完整、背景有没有残留；试图片放大，看看文字和细节有没有被改错。结果符合需求，再找 Download 保存，不必为了一张图把所有设置都研究一遍。

### 4. 应用打不开时，先看运行状态

Space 卡片或页面上经常会显示运行状态。Running 表示应用在运行；Sleeping 表示休眠，唤醒可能需要一点时间；Building 表示正在准备运行环境；Runtime error 表示运行出了问题。

Runtime error 这类问题通常要由维护者处理，你可以先换一个同类应用。还有些应用会排队、限制使用次数或要求额外授权，具体看页面提示。公开演示的运行条件会变，常用工具最好多留一个备选。

## 四、去 Models，找到你真正需要的模型

应用负责让你操作，模型负责提供某种 AI 能力。一个模型可以被做成不同的应用，一个应用也可能同时使用几个模型。

现在点顶部的 [Models](https://huggingface.co/models)。

![文章配图](https://immilesma.com/blog/hugging-face-complete-guide/media/08-image-16.jpg)

右边是搜索结果，左边是筛选条件，可以按名称、任务和使用软件缩小范围。

**① 名称搜索框**。输入模型名称即可查找。图里搜索的是 Qwen3-0.6B-GGUF，结果里会出现不同发布者提供的相关版本。

**② Tasks**。意思是任务，也就是这个模型拿来做什么。Text Generation 是文字生成，Text-to-Image 是文字生成图片，Image-to-Text 是根据图片输出文字。

**③ Apps**。按使用软件筛选。比如准备在 LM Studio 里用模型，可以先选对应的筛选项，再核对具体模型的兼容性。

**④ 搜索结果里的完整名称**。它通常分成两部分，斜杠前面是发布者，后面是项目名。图中的 unsloth/Qwen3-0.6B-GGUF，发布者是 unsloth，项目名是 Qwen3-0.6B-GGUF。

搜索结果里名字相似的模型，用途可能完全不同。下载前看完整名称和任务标签，别把做图片理解的模型当成绘图模型。

### 名称后面的一串字母，先认最有用的几个

模型名字经常带着用途、规模和格式信息，下面几个词最常见。

**Base** 通常表示基础模型。要直接聊天，还得看它有没有针对对话做过调整，或是否提供了相应的使用说明。

**Instruct、Chat** 常用来表示已经针对指令或对话做过调整的版本。不过模型作者的命名并不完全统一，最后还是以说明为准。有些适合聊天的模型，也不一定带这两个词。

**0.6B、7B、14B** 这类数字通常和参数规模有关。B 表示十亿，7B 就是大约七十亿参数。先把它理解为估计模型规模的线索：规模越大，往往越吃电脑资源，但不保证你的具体任务一定做得更好。

**GGUF** 是一种模型文件格式，经常出现在本地运行的教程里。遇到这种文件，先确认使用的软件是否支持它，以及是否支持这个具体模型。

**LoRA** 常见于经过特定训练的附加权重。比如让绘图模型更擅长某种风格。它通常需要搭配适合的基础模型，不能把它当成一个完整聊天软件打开。

选模型时，把用途、使用软件和电脑配置放在一起考虑。比如准备在本地聊天软件里用，就先筛软件支持的对话模型，再从合适的大小里挑，不必挨个研究全部结果。

Trending、下载量和点赞数可以用来发现项目，但不能代替对用途和效果的判断。

## 五、点进一个模型页，先看这五处

点开 [unsloth/Qwen3-0.6B-GGUF](https://huggingface.co/unsloth/Qwen3-0.6B-GGUF)，就进入了模型详情页。

![文章配图](https://immilesma.com/blog/hugging-face-complete-guide/media/09-image-02.jpg)

**① 发布者**：这里是 Unsloth，提供的是 Qwen3 的 GGUF 版本。名字里虽然有 Qwen，文件却由 Unsloth 发布，来源要看斜杠前面的账号。

社区作者会转换文件格式、做量化或微调，方便其他人使用。这样的版本也很有用，只是要看清谁做了哪些处理，以及原始模型来自哪里。

**② Model card**：模型卡。你可以直接把它叫“模型说明书”。通常会介绍用途、效果、来源、怎么用，以及哪些情况不适合用。

**③ Files and versions**：文件和版本。点开后是文件列表，模型下载入口就在这里。

**④ Community**：社区讨论。有人会问兼容性、效果和下载问题，也可能有作者的补充说明。遇到同一个模型在你使用的软件里打不开，先看看这里有没有相同情况。

**⑤ License**：使用许可。个人学习和放进商业项目，是两件不同的事。准备对外使用前，读清模型许可；如果模型又引用了其他基础模型，也要继续核对相应条件。

### 模型说明很长，应该从哪里读？

先看它承诺完成什么任务，再看示例和限制。

想用它聊中文，就看有没有中文对话样例。做商品图则要分清生成、编辑和背景替换：从文字画出一件商品，与保留原商品只换背景，对模型的要求不同。

说明里出现下面这些词时，可以顺着找对应内容：

![文章配图](https://immilesma.com/blog/hugging-face-complete-guide/media/10-image-17.jpg)

看到大段程序可以跳过去，找 Demo、图形软件用法和下载说明。只有程序用法、没有现成界面的项目，可以先收藏。模型页里的 GitHub / Code 通常通向源代码，想直接体验，优先找演示入口。

模型页右边有时还有在线试用区域或相关 Spaces，可以直接点进去体验。没有这些入口时，通常要按作者的说明在其他工具里使用，单靠模型下载页不能开始聊天。

## 六、模型怎么下载？下载完又怎么用？

**模型文件通常不是安装包，下载完不能靠双击就开始聊天**。

你需要一个支持它的软件。聊天模型、绘图模型、视频模型，对应的工具可能不同。选好了软件，再去挑它支持的模型，往往比先下一个几十 GB 的文件更省事。

![文章配图](https://immilesma.com/blog/hugging-face-complete-guide/media/11-image-21.jpg)

### 1. 从模型页进入文件列表

还在刚才的模型页面，点 Files and versions。

列表里既有说明、配置，也有模型文件。这个 GGUF 仓库提供了同一模型的多种处理版本，选择适合的软件和电脑配置的一份即可；其他仓库是否需要多个文件，要看各自的说明。

在列表里找到 Qwen3-0.6B-Q4*K*M.gguf，也可以用 Go to file 搜索这个文件名。点文件名，进入它的详情页。

![文章配图](https://immilesma.com/blog/hugging-face-complete-guide/media/12-image-22.jpg)

**① Download 是下载按钮， ② 是当前文件名， ③ 是文件大小**。下载前，对照后两项确认文件。

这份文件显示约 397 MB，指的是当前文件的体积。整个仓库有多大、运行需要多少内存，要分别查看。

如果页面提示文件太大、无法展示，只是说网页不能预览它，下载入口仍然可用。点 Download 下载当前文件即可，旁边带 CLI 的选项可以略过。

### 2. 为什么同一个模型有那么多版本？

文件大小的一部分差别来自“量化”：用更省空间的方式保存模型里的数值，通常能减轻文件和运行负担，但可能损失一些效果。

Q4、Q5、Q8 是常见标记。同一模型、相近方案下，较高精度通常更占资源。拿不准时，按使用软件或模型作者的建议选。

有些文件名会注明第几份、总共几份，表示模型被拆成了多个部分。这种情况要按说明把所需分片下全，不能只挑其中一份。

**我会优先从支持这个模型的图形软件里下载**。软件通常能一起处理文件和存放位置，省去核对分片、寻找目录的麻烦。只有需要指定文件时，再从网页手动选。

### 3. 把模型交给本地软件

回到模型说明页，找到右上角的 Use this model。

![文章配图](https://immilesma.com/blog/hugging-face-complete-guide/media/13-image-11.jpg)

**① 点 Use this model**，展开使用方式。 **② 找 Local Apps，也就是本地应用**。这张图里能看到 LM Studio。已经安装了相应软件的人，可以通过这个入口尝试把模型交给软件打开。

这个入口需要电脑上已经安装相应软件。点击后没有反应，可以检查软件是否安装，以及浏览器有没有拦截打开外部应用。

也可以直接打开 LM Studio 的模型搜索页，输入完整模型名称，或粘贴 Hugging Face 模型页链接，再选软件支持的版本下载。

这些操作适用于 LM Studio 支持的本地语言模型。图片和视频模型，需要另找对应的工具。

### 4. 怎么知道电脑能不能带得动？

硬盘只负责存放文件，运行模型还要占用内存或显存，聊天长度、图片尺寸也会影响资源需求。因此，看到一个 4 GB 的文件，还得查软件和模型说明里的运行要求，光看硬盘剩余空间不够。

优先看使用软件给出的兼容性信息、模型说明中的硬件建议，从较小的版本试起。如果还不清楚，就先用对应 Space 体验效果，不急着下载。

## 七、Datasets：先看样本，再决定下载什么

点顶部的 [Datasets](https://huggingface.co/datasets)，就是数据集目录。

数据集就是一批按照一定方式整理的材料，可以是照片、文字、表格或视频，旁边还可能配有解释、答案或者分类。

一张叶子的图片，配上“健康”或“某种病害”的标签，就是一个训练样本。一个问题配上一个回答，也是一个样本。很多这样的样本整理在一起，就形成了数据集。

![文章配图](https://immilesma.com/blog/hugging-face-complete-guide/media/14-image-10.jpg)

**① 名称搜索框**：知道数据集叫什么，就直接找名字。 **② Modalities**：数据类型。Image 是图片，Text 是文字，Video 是视频，Tabular 是表格。想找图片素材，先选 Image；想看问答材料，通常先从 Text 和相关任务筛选入手。 **③ Languages**：语言。找中文问答材料时，可以先按语言筛选。 **④ Viewer**：列表上的这个标记提示你，通常可以在网页里预览数据。不必先把整个数据集下载到电脑上。

### 1. 打开一个数据集，就像先翻几页样本

打开 [Makerere AI Lab 的 beans 数据集](https://huggingface.co/datasets/AI-Lab-Makerere/beans)。里面是豆类作物的叶片图片，配有相应分类。

![文章配图](https://immilesma.com/blog/hugging-face-complete-guide/media/15-image-07.jpg)

① Dataset card 是数据说明； ② Data Studio 用来展开查看数据； ③ Files and versions 是数据文件。

中间的表格展示实际样本：image 列是图片，labels 列是分类标签。横着看同一行，就能找到这张图片对应的分类。

**④ Split** 用来切换不同部分。常见的 train 是训练数据，validation 是训练过程中的验证数据，test 是最终测试数据。可以把它们理解成学习材料、练习检查和单独的考试材料。

**⑤ 图片和标签** 要对照着看。这个分类任务既需要图片，也需要正确的分类标签，模型才能从样本中学习两者的关系。

换到商品图片任务，样本可能是商品图配品类、属性或描述。找数据时，可以据此检查内容和标注是否符合自己的用途。

### 2. Data Studio 怎么用？

点开 Data Studio，会进入更适合浏览数据的页面。根据数据本身是否支持，你可以翻页、搜索文字、筛选内容，查看一些基本统计。

例如一个文字数据集有问题和答案两列，你就能先读几条，看看问题是不是完整、答案是不是有用。如果是图片数据集，就先看看分辨率、画面类型、是否有重复，以及文字描述有没有明显错误。

预览也有打不开的时候：可能需要先同意访问条件，可能格式没被识别，也可能还在处理。这时回到 Dataset card 看访问说明，再到文件页确认有哪些数据。

### 3. 看完样本，怎么判断值不值得下载？

**看数据集，我更在意几条实际样本的质量，之后才看总量**。准备做中文产品问答，就看问题是否相关、答案是否准确、来源能否核对。内容合适，再查图片、文章等材料的使用条件，公开展示并不意味着可以随意商用。

确认合适后，到 Files and versions 找作者说明里的数据文件。不同数据集的文件组织和格式不同，按 Dataset card 的下载说明选，不必把整个仓库都下载。

暂时不训练，也可以参考别人整理材料的方式。比如把“问题、答案、来源”分别保存，让每条回答都能对应到依据。

## 八、想找特定风格，可以再看看微调版本和 LoRA

想让图片接近某种风格，让回答遵循固定格式，就会遇到 Fine-tuning，也就是微调。它是在已有模型的基础上，用适合的样本继续训练，让表现朝某个目标调整。

在 Hugging Face 上，可以先找别人做好的版本。打开模型卡，留意 Base model，确认它从哪个基础模型改来；有些页面还会显示 Model tree，点开能看相关衍生模型，再比较它们的用途。

![文章配图](https://immilesma.com/blog/hugging-face-complete-guide/media/16-image-06.jpg)

绘图教程里常见的 LoRA，是一类相对较小的附加权重文件，通常要搭配指定的基础模型使用。下载前看三件事：适配哪个模型、有没有 Trigger words（触发词）、作者建议怎样设置强度。只拿到 LoRA 文件，还没有拿到整套可用的模型。

把基础模型和 LoRA 的页面一起收藏，备注搭配关系，比只保存一张效果图实用。实际加载和调强度，要在支持它们的绘图软件里操作。

现成版本满足不了需求，再考虑自己微调。先准备有权使用、符合目标的样本，找支持该模型的训练工具；训练完成后，用没参与训练的新例子检查效果。

## 九、用 Collections，把有用的资源存好

一个图片处理项目，可能用到模型、在线演示、配套数据和论文。分别存进浏览器书签，过一阵子还要回想它们是什么关系。

Hugging Face 的 [Collections](https://huggingface.co/collections) 很适合把这些材料按主题放在一起。

它可以收进模型、数据集、Space 和论文，还能给条目补充备注。比如做一个“图片处理”集合，把抠图应用、放大工具、相关模型放在一起；做一个“本地中文聊天”集合，收进准备使用的模型和说明。

![文章配图](https://immilesma.com/blog/hugging-face-complete-guide/media/17-image-15.jpg)

### 1. 先看别人怎么整理

从首页更多菜单点 Collections，或通过模型说明里的链接进入作者整理的集合，例如 [Unsloth 的 Qwen3 集合](https://huggingface.co/collections/unsloth/qwen3)。

![文章配图](https://immilesma.com/blog/hugging-face-complete-guide/media/18-image-12.jpg)

① 顶部的名称和说明 告诉你这个集合收什么； ② 每一张资源卡片 都能继续点开； ③ Note 是整理者写的备注； ④ 右侧搜索框 可以在集合里找名字。

像这个集合，主要收的是同一系列的不同模型版本。先看发布者整理好的列表，能少漏掉相关资源；具体用哪一个，再点进模型卡比较。

### 2. 把资源加入自己的集合

回到模型页面，找到右侧的三个点。

![文章配图](https://immilesma.com/blog/hugging-face-complete-guide/media/19-image-20.jpg)

**① 点开三个点 ② 选 Add to collection**，就是加入收藏集合。之后按页面提示选择已有集合，或者创建一个新的集合。

页面上的 like 则更像“喜欢”或点赞。想系统整理资料，还是 Collections 更直观。

集合名称按用途起，比如“修图工具”“本地模型”“图片风格”，以后更好找。

备注可以写得很具体：“用于去背景”“搭配哪个软件”“准备试哪个版本”。下次打开集合，一眼就知道为什么存了它。

保存前看一下集合的可见性。公开集合里的备注也能被别人看到，客户需求和未公开的项目计划不适合写在里面。

## 十、Papers：从论文找到模型和应用

从首页更多菜单，点 Daily Papers，进入 [论文页面](https://huggingface.co/papers)。

![文章配图](https://immilesma.com/blog/hugging-face-complete-guide/media/20-image-08.jpg)

① 搜索框 可以找论文和研究主题； ② Daily、Weekly、Monthly 是日、周、月的浏览入口； ③ 点论文标题 进入详情； ④ 旁边的数字和箭头 是社区投票。

投票能告诉你社区正在关注什么，不能证明一篇论文已经经过完整验证，更不能直接当成“哪个模型最强”的排名。

看到一个图片编辑演示，介绍里给了论文名，就可以来这里找出处，再顺着论文找项目主页、模型和演示链接。

### 打开论文后，看哪些内容

先看标题和摘要，弄清楚作者想解决什么问题。

再看效果图和对比图，留意作者用了什么输入、在哪种任务上比较。某项测试更好，不等于所有场景都更好。

接着找 Project、GitHub、Models、Datasets、Spaces 这些相关入口。有的论文页把它们放在按钮或侧栏里，有的需要点进项目主页才有。平台上的关联也可能由社区补充，应该再核对作者身份与说明。

论文公开的材料各不相同：可能只有文章，可能有代码但没有模型文件，也可能有演示但暂时无法运行。想体验效果，就找可用的 Demo 或受支持的模型版本；暂时没有，可以先收藏论文。

摘要可以借助翻译工具阅读，重点找三件事：它做到了什么，需要怎样的输入，哪些情况不适用。

如果让 AI 帮你读论文，尽量把真实论文或摘要交给它，再要求它指出依据。只给一个标题，让它凭记忆发挥，很容易听到一段像模像样、却对不上原文的介绍。

感兴趣的论文可以和对应模型、Space 放进同一个 Collection。之后想重新试它的效果，不用再从论文标题开始找。

## 十一、Learn：有兴趣，再选一门课

首页更多菜单里的 Learn，打开的是 [Hugging Face 课程目录](https://huggingface.co/learn)。

![文章配图](https://immilesma.com/blog/hugging-face-complete-guide/media/21-image-03.jpg)

① LLM Course 是大语言模型课程； ② Context Course 面向编程智能体的上下文组织； ③ 往下滚动，还有其他方向的课程卡片。

对聊天模型感兴趣，可以看 LLM Course；想了解智能体怎么使用工具，看 Agents Course；喜欢 AI 绘图，可以找 Diffusion Course。先读课程介绍和目录，挑与自己需求有关的章节。

不少课程的实操涉及编程。只想了解原理，可以读概念章节；准备动手做项目，再按课程要求补基础。语言选项里有中文就切换，没有也可以用网页翻译。

Learn 适合按主题学，顶部的 Docs 则适合查具体功能。想知道某个按钮怎么用，查 Docs；想继续理解模型怎么工作，再去 Learn。

想给图片去掉背景，就从 Spaces 找一个工具；想在电脑上运行模型，就去 Models 找兼容的版本。试过觉得合适，再把应用、模型和说明存进同一个集合。下次有相同需求，直接打开它。

---

我是 Miles，一名从大厂转型 FDE 的 AI 算法专家，做过算法研发、优化部署，也做过企业培训、落地交付。关注我[@miles_mazy](https://x.com/@miles_mazy)，**一起成长，一起赚钱**。

![文章配图](https://immilesma.com/blog/hugging-face-complete-guide/media/22-image-13.jpg)

---

[在 X 查看原文](https://x.com/miles_mazy/status/2094730635932053664)