# huggingface

Правило задаёт стандарты Python-кода для Hugging Face Transformers и Hub: от загрузки моделей до обучения с учётом ограничений оборудования.

- правило · `type=rule` · Cursor · ★ 3580
- Автор: sanjeed5
- Лицензия: CC0-1.0 · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/sanjeed5/awesome-cursor-rules-mdc/tree/HEAD/rules-mdc/huggingface.mdc
- Обновлён: 2026-05-19
- HTML: https://affpapa.org/nevibecode/rules/huggingface

## Что делает

Правило для файлов Python охватывает работу с моделями и токенизаторами через `Auto`-классы и методы `from_pretrained()`. Для типовых задач инференса предлагается `pipeline`, а для сохранения модели и токенизатора используются `save_pretrained()` и последующая загрузка из каталога. Это помогает сохранять конфигурацию и веса в формате, совместимом с рабочим процессом Hugging Face Hub.

В рекомендациях по структуре проекта фигурируют `README.md` с описанием модели, `.gitattributes`, `config.json`, `tokenizer.json` и файлы весов. Отдельная часть посвящена работе с ресурсами: упоминаются `Optimum`, `PEFT`, `bitsandbytes` и `accelerate`, включая распределённое обучение и 4-битное квантование с LoRA.

Правило рассчитано на Python-файлы, соответствующие шаблону `**/*.py`. Для GPU-обучения оно рекомендует смешанную точность с `bfloat16` или `float16`. Это стоит учитывать при настройке обучения: рекомендации по точности связаны именно с использованием GPU, а не со всеми Python-задачами подряд.

## Установка

### Cursor (родная платформа)

**Вручную: положить файлы**
- Файл: `.cursor/rules/huggingface.mdc` — Во frontmatter: description, globs, alwaysApply

### Claude Code

**Вручную: положить файлы**
- Файл: `.claude/rules/huggingface.md` — Поле paths во frontmatter ограничивает файлы: globs из источника → paths

### Codex

**AGENTS.md**
- Codex читает AGENTS.md: вставьте текст правила туда

### GitHub Copilot

**Вручную: положить файлы**
- Файл: `.github/instructions/huggingface.instructions.md` — Поле applyTo задаёт, к каким файлам применять: globs из источника → applyTo

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/rules/huggingface.md`

### Cline

**Вручную: положить файлы**
- Файл: `.clinerules/huggingface.md`

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/sanjeed5/awesome-cursor-rules-mdc/tree/HEAD/rules-mdc/huggingface.mdc

## Когда брать
- Загружать модели и токенизаторы через `Auto`-классы
- Запускать классификацию текста с помощью `pipeline`
- Сохранять дообученную модель вместе с конфигурацией и токенизатором
- Организовывать репозиторий модели для работы с Hugging Face Hub
- Настраивать распределённое обучение и 4-битное квантование с LoRA

## Примеры запросов агенту
- Проверь мой Python-код для Hugging Face и приведи загрузку модели и токенизатора к рекомендуемому шаблону.
- Перепиши инференс классификатора текста с использованием `pipeline`.
- Подготовь сохранение дообученной модели и токенизатора через `save_pretrained()` для последующей загрузки.

## Похожие
- [transformers-huggingface](https://affpapa.org/nevibecode/skills/transformers-huggingface.md) — скилл · 758 установок
- [huggingface-lora-space-builder](https://affpapa.org/nevibecode/skills/huggingface-lora-space-builder.md) — скилл · 810 установок
- [transformers](https://affpapa.org/nevibecode/skills/transformers.md) — скилл · 2000 установок
- [nv-reason-cxr](https://affpapa.org/nevibecode/skills/nv-reason-cxr.md) — скилл · 1800 установок
- [huggingface-trackio](https://affpapa.org/nevibecode/skills/huggingface-trackio.md) — скилл · 1900 установок
- [llm](https://affpapa.org/nevibecode/skills/mindrally-llm.md) — скилл · 724 установки

Из того же набора: [sanjeed5/awesome-cursor-rules-mdc](https://affpapa.org/nevibecode/by/sanjeed5/awesome-cursor-rules-mdc.md) — 240 карточек

_Часть страницы не вошла по размеру — она есть в HTML-версии._

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md