小學生也能懂的『Hugging Face』超入門

第一章：Hugging Face 是什麼｜AI 世界的材料行

先講結論。

Hugging Face 是一間開放給所有人的材料行。

架上放著全世界做好的 AI 零件，任何人都可以走進去拿一個回家用。而且你也可以把自己做的東西放到架上去。

它不是一個聊天機器人。 它不是拿來「問問題」的網站。 你在上面找不到「請幫我寫一封信」這種功能。

想像你要組一台腳踏車

你有兩條路。

第一條：自己煉鋼、自己車齒輪、自己編輪胎。三年後你可能會有一台很棒的腳踏車。

第二條：走進材料行，車架拿一個、變速器拿一個、輪組拿一組，一個下午組起來就能騎。

在 AI 這件事情上，第一條路叫做「訓練模型」，那需要幾十萬台幣的電費和幾個月的時間。

第二條路，就是 Hugging Face。

別人已經花掉那些電費了，而且把成果免費放在架上。你要做的只是挑一個拿走。

那麼「模型」到底是什麼東西

這是整篇文章最重要的一個名詞，我們慢慢講。

想像一個小孩去上學。

他看了三百萬張貓的照片、三百萬張狗的照片，每一張都有人告訴他這是貓、這是狗。看完之後，他的腦袋裡形成了某種「判斷貓狗的直覺」。

這個過程叫做「訓練（training）」。

現在，如果能把他腦袋裡那份「直覺」原封不動地複製出來，存成一個檔案——這個檔案，就是模型（model）。

你不需要重新讓他上一次學。你只要拿到那個檔案，裝進自己的電腦，你的電腦立刻就會判斷貓狗了。

所以模型就是一顆已經上完學的腦袋，存成檔案的樣子。

Hugging Face 上面有幾十萬顆這樣的腦袋。有的會畫圖、有的會聽寫、有的會翻譯、有的會把照片裡的人去掉背景。

這些檔案通常叫做 model.safetensors，大小從幾十 MB 到幾十 GB 都有。名字裡的 safe 是因為這種格式打開時不會偷跑程式碼，比舊格式安全。

架上分成三區

走進這間材料行，你會看到頂端有三個分頁。這三個字是你以後每天都會看到的。

Models（模型）——做好的零件。

上一段講的那些「腦袋」都放在這一區。這是整個網站的主體。

Datasets（資料集）——原料。

模型是「學完的腦袋」，資料集就是當初拿去給它看的那些教材。三百萬張貓狗照片、一整套維基百科文章、十萬筆客服對話紀錄。

你可能會想，原料我要來幹嘛。兩個用途：一是你想知道某個模型到底是看什麼長大的（這會決定它擅長什麼、歧視什麼）；二是你自己手上的資料，也可以放進這一區保管。第三章會講。

Spaces（展示間）——現場試用機。

這一區是給完全不想安裝任何東西的人準備的。

有人把模型包成一個網頁，放在這裡，你打開網址、上傳一張圖、按一個按鈕，結果就出來了。不用下載、不用指令、不用顯示卡。

第二章我們就會去玩一個。

導覽列上其實還有第四個字：Buckets，旁邊掛著 NEW。

那是 Hugging Face 新開的付費儲存服務，按 TB 計價，給的是那種「有幾十 TB 素材要放、而且不想管版本」的團隊用的。跟本文要做的事沒有關係，看到它直接跳過就好。

那它跟 GitHub 差在哪裡

如果你讀過本站的 GitHub 超入門，這句話會讓你瞬間理解：

GitHub 放的是「做法」，Hugging Face 放的是「做好的東西」。

程式碼是做法，一份幾十 KB 的文字檔。 模型是成品，一顆幾 GB 的腦袋。

這兩種東西的體積差了一萬倍，所以它們需要不同的倉庫。GitHub 對大檔案是很不友善的，單一檔案超過一定大小它就會拒收；Hugging Face 則是為了搬運幾十 GB 的檔案而生的，它甚至為此自己做了一套叫 Xet 的儲存系統，只傳有變動的那幾塊，不會每次都從頭搬一遍。

除此之外，兩邊長得非常像：都叫 repository（倉庫）、都有版本紀錄、都可以設公開或私人、都可以用同一套 git 指令操作。

你在 GitHub 學到的每一件事，在這裡幾乎都能直接套用。

到這裡，我們已經知道 Hugging Face 是一間放著現成 AI 零件的材料行，分成模型、資料集、展示間三區。

接下來，我們實際走進去一趟。

第二章：Hugging Face 的基本用法｜四個動作逛完整間店

不用先學指令。這一章全程用滑鼠。

動作一：申請免費帳號

打開 https://huggingface.co/join 。

第一頁只問兩件事：一個 email、一組密碼。

不需要信用卡。 也不需要填公司、職稱、用途這些東西。

按下 Next 之後的第二頁，才是幫自己取使用者名稱的地方。

註冊完會寄一封確認信到你的信箱，按一下裡面的連結就完成了。沒收到就看垃圾郵件匣。

你的使用者名稱會變成網址的一部分——以後你放上去的東西，網址都是 huggingface.co/你的名字/東西的名字。這個名字之後改起來很麻煩，想三秒鐘再打。

動作二：找東西

點頂端的 Models。

你會看到一個巨大的清單——寫這篇文章的時候，上面顯示的數字是 3,056,510 個模型。

三百萬。這就是為什麼多數人第一次來會直接關掉。

左邊那一整排篩選條件，才是重點。

最上面那一組叫 Tasks（任務），意思是「你想要它幫你做什麼」。這是整個網站對新手最友善的設計：你不需要知道任何模型的名字，只要知道自己想做什麼事。

幾個一般人用得到的：

選好之後，清單就只剩下能做這件事的模型了。

動作三：看懂一張「模型卡」

點進任何一個模型，你看到的那一頁叫做 model card（模型卡）。

這是本章最重要的一段。看懂這一頁，你就不會拿錯東西。

一張模型卡上，你只需要先看四個地方：

① 名字前面那一段，是「誰做的」。

openai/whisper-large-v3 裡，斜線前面的 openai 是作者，後面才是模型名稱。作者是大公司或知名研究機構，可信度就高一些。

② Downloads（下載數）。

這是最誠實的一個指標。一個月被下載幾百萬次的模型，代表很多人真的在用它，出問題的機率低。下載數個位數的，你可能是它的第一個使用者。

③ License（授權）。

位置在模型名稱底下那排灰色標籤的最後面，寫著 License: 什麼什麼。

它規定這個東西你能怎麼用。apache-2.0、mit 這類是最寬鬆的，商用也沒問題。有些會寫 non-commercial（不可商用），有些會要求你必須標註出處。

這一行一定要看。 第四章會講為什麼。

④ README 本文。

作者自己寫的說明。好的模型卡會告訴你它擅長什麼、不擅長什麼、要多少記憶體才跑得動。

順帶一提，右側那塊 Inference Providers 是新東西：有些模型可以直接在這一頁丟一個檔案進去按 Generate，當場看結果，連 Spaces 都不用去。

看完 README，點上面的 Files and versions 分頁。

這裡是這個倉庫的檔案清單，每個檔案右邊會標大小。

這一眼很重要。很多人興沖沖地要下載一個模型，沒注意到整包是 24.7 GB。

動作四：親手玩一次，零安裝

現在做這篇文章裡最有趣的一件事。

點頂端的 Spaces。

Space 就是「已經有人幫你裝好、架好、跑起來」的那個版本。你只要上傳檔案、按按鈕、等結果。

隨便挑一個打開，上傳一張圖，按下送出。

玩別人的 Space 是免費的，不用付錢也不用註冊。但有兩件事要有心理準備：

第一，它會睡覺。 一段時間沒人用，Space 就會被關掉省資源。你打開時看到「Building」或「Starting」，就是它正在醒來，等一兩分鐘。

第二，它會排隊。 熱門的 Space 上面會顯示你前面有幾個人。免費的午餐要排隊，這很公平。

到這裡，你已經把整間店逛完了，而且用過一次貨。

接下來講一件多數人沒想過的事：這間店的架子，你也可以放東西上去。

第三章：把自己的東西放上去｜三種箱子與一個開關

「我又不做 AI，我有什麼東西好放的？」

這是我一開始的想法，後來發現完全錯了。

你可以放的東西，比你以為的多

Hugging Face 的三個分頁，對應三種倉庫（repository，一般直接叫 repo）。你開哪一種，決定了它長什麼樣子。

Model repo——放「訓練出來的成果」。

如果你用自己的照片微調過一個畫圖模型、訓練過一個聲音、做過一個小小的分類器，成果就放這裡。

Dataset repo——放「整理好的資料」。

這一種才是大部分人真正用得到的。

我自己放過的東西包括：一整批標註好的建築照片、一份從幾百頁掃描檔整理出來的 CSV、一批訪談逐字稿。

它們的共通點是：檔案大、不是程式碼、但我不想弄丟。

這種東西放 Google Drive 會亂、放 GitHub 會被嫌太大、放外接硬碟會在某個早上打不開。Dataset repo 就是為這種東西存在的。

Space repo——放「可以跑起來的網頁」。

一個小工具、一個 demo、一個給客戶看的展示頁。第二章你玩過的那些就是。

不過這一種免費帳號有限制，而且很多舊文章沒更新：純網頁（Static HTML）的 Space 對所有人免費，但會實際跑運算的那種（Gradio、Docker）現在需要付費方案才能建立。免費個人帳號的例外，是最多可以掛兩個跑在 ZeroGPU 上的 Gradio Space。

「玩別人的 Space」永遠免費，「自己開一個會算圖的 Space」才有這道門檻。這兩件事常常被搞混。

開一個給自己用的 Dataset

從右上角自己的頭像點開選單。

選 New Dataset。

表單很短：

1. Owner——就是你自己。
2. Dataset name——這個箱子的名字，會進網址。
3. License——你打算讓別人怎麼用你的東西。純私人保管的話留白也可以。
4. Public 或 Private——這是整個表單最重要的一個開關，下一章會專門講。

按下 Create Dataset，一個空箱子就好了。

把檔案丟進去

新建的箱子裡有一個 Add file 按鈕，選 Upload files。

然後就是拖放。跟把檔案拖進資料夾一模一樣。

拖完之後，下面會有一個輸入框要你寫一行字。那行字是「這次上傳做了什麼」的說明，跟 GitHub 的 commit 訊息是同一件事。

寫「first upload」也可以，但三個月後的你會希望當初寫的是「2026 年 8 月訪談逐字稿，共 12 份」。

按下 Commit changes，完成。

免費帳號可以放多少

這是大家最關心的一題，也是官方規則最常變動的一項。

原則是這樣的：公開的東西額度很寬鬆，不公開的東西有上限。

邏輯很好理解——你把東西公開分享出來，對整個社群是貢獻，平台樂意幫你出這個錢。你純粹拿它當私人硬碟用，那就是純成本。

截至 2026 年 9 月，免費帳號的規則是：

• 公開倉庫：官方寫的是 best-effort（盡力提供），沒有寫死的數字，但請放「對別人有價值的內容」，不要當免費圖床。
• 私人倉庫：總共 100 GB。
• 單一檔案：沒有一般性限制，但官方建議切成 200 GB 以下一份，硬性上限是 500 GB。

你不用去查這些數字——頭像選單裡的 Usage Quota 就直接寫著你用掉多少（圖 3-1 下半部那塊）。想知道還剩多少，點開頭像看一眼就有。

一般人放文件、CSV、幾百張照片，完全碰不到上限。要放整批 4K 影片之前，先去看一眼官方的 儲存空間說明頁——這一頁會跟著方案調整。

到這裡，你已經會拿、也會放了。

但正因為你現在會「放」了，有些事情必須先講清楚。

第四章：初學者該注意的三個重點｜這些陷阱務必避開

這一章的三件事，每一件我都親自踩過。

注意事項一：你新開的箱子，預設可能是全世界都看得到

症狀。

你把一批工作檔案傳上去，隔天發現搜尋引擎搜得到它。

為什麼會這樣。

Hugging Face 骨子裡是一個「分享」的平台，所以它的很多預設值都偏向公開。

在網頁上建立倉庫時，Public 和 Private 兩個選項確實並排給你看——但預設被選中的那一個是 Public，而且它不會跳出「你確定要公開嗎」的確認視窗。你沒動它，它就公開了。

真正危險的是另一條路：用程式上傳。

很多 AI 訓練腳本裡有一個叫 push_to_hub 的選項，打開之後訓練完會自動把成果傳上去。如果那個倉庫還不存在，它會自動幫你建一個——而程式介面的預設值是公開。

整個過程沒有任何提示。你只會在終端機裡看到一行上傳進度條。

正確做法。

一、先建箱子，再上傳。 在網頁上手動建好、確認是 Private，再讓程式往裡面丟東西。

二、建的時候就選 Private。 事後才改的話，在那之前已經被看到、被複製的部分，你追不回來。

三、開始一個新專案的第一天，就去自己的個人頁面看一眼倉庫清單，確認每個箱子旁邊的標籤跟你想的一樣。

注意事項二：Token 是鑰匙，而且有一把是「能寫」的

要讓程式代替你上傳，得先給它一把鑰匙。這把鑰匙叫 access token（存取權杖）。

申請的地方在 https://huggingface.co/settings/tokens 。

重點只有三個。

① 分清楚「讀」和「寫」。

只是要下載模型，一把唯讀（read）的鑰匙就夠了。唯讀的鑰匙就算外流，別人最多只能用你的身分下載東西。

能寫（write）的鑰匙不一樣。拿到它的人可以往你的倉庫裡塞東西、改東西、刪東西。

② 選細權限的那一種，不要選全權的那一種。

目前一共三種：Read（唯讀）、Write（讀寫）、Fine-grained（細權限）。

好消息是：Fine-grained 現在是預設選中的那一個，你什麼都不用改就已經站在比較安全的那邊。

它下面還給了一排現成的組合（Presets）：Read-Only、Inference、Write、CI/CD、Full Access、Custom。挑一個貼近你用途的就好，想自己逐項勾就選 Custom。

不要順手點 Full Access。 那一顆等於把整串鑰匙交出去。

順帶一提，token 的類型產生之後不能改，頁面上就寫著這句。選錯了只能刪掉重開一把。

③ 它只會顯示一次。

按下產生之後，那串以 hf_ 開頭的文字只會出現這一次。關掉視窗就再也看不到了。立刻複製到密碼管理器裡。

忘了存也沒關係，回來刪掉重開一把就好——但千萬不要為了怕忘記，把它貼在筆記軟體、聊天室或程式碼裡。

網路上有機器人二十四小時掃描公開倉庫裡的金鑰字串，以分鐘為單位就會被撿走。

Hugging Face 自己也有掃描機制——你的 Space 裡如果寫死了金鑰，平台會寄信警告你。但那是最後一道防線，不是可以依賴的東西。

真的不小心貼出去了，處理順序是固定的：先回 token 頁面把那一把作廢（Invalidate），再處理其他事。 順序不能倒過來。

注意事項三：架上的東西不是「隨便拿隨便用」

這是最多人忽略、後果最麻煩的一條。

症狀。

你下載了一個模型，做了一個產品，賣了三個月，然後收到一封信。

為什麼會這樣。

Hugging Face 上的東西「免費取得」和「可以商用」是兩件事。

模型卡上那行 License 寫的就是規矩。常見的幾種：

• apache-2.0、mit——最寬鬆，商用沒問題，通常只要求你保留出處。
• cc-by-nc-4.0——nc 就是 non-commercial，不可商用。 自己玩可以，拿去賺錢不行。
• openrail、各家自訂授權——多半附帶「不可以拿去做這些事」的清單。

還有一種叫 gated（需要同意才能取得） 的倉庫。

頁面上會有一塊框，要你先同意條款、有時還要填用途。有些是即時通過，有些要等作者手動審核。Meta 的 Llama 系列到今天都還是這樣——你在網頁上搜得到它、看得到說明，但檔案要按過同意才拿得到。

沒按同意就直接用程式下載的話，你會得到一個看起來像「找不到檔案」或「沒有權限」的錯誤——很多人會誤以為是自己網路壞了，或是模型名稱打錯。

正確做法。

一、下載之前先看 License 那一行。 三秒鐘的事。

二、打算商用的東西，把那頁授權條款整段讀完。 或者至少貼給 AI 讀一遍，問它「這個授權允許我拿來做付費服務嗎」。

三、遇到 gated 的模型，就乖乖去網頁上按同意，不要試圖繞過。

到這裡，該踩的坑都講完了。

最後一章，我們把上面這些操作，全部交給 AI。

第五章：用 AI 完成 Hugging Face 操作｜把上傳換成一句話

前面四章讀完，你大概會有一個感覺：

「我知道它有用了，但那些網頁我大概三個月才進去一次，到時候一定又忘了。」

這個煩惱，現在有另一種解法。

因為你可以不用記。你只要會描述你想做什麼。

事前準備只有兩件事

① 讓 AI 能用你的身分登入。

Hugging Face 有官方的命令列工具，現在叫做 hf。裝好之後跑一次：

hf auth login

它會問你要一把 token（第四章申請的那一把），貼上去就完成了。之後鑰匙存在你的電腦裡，AI 執行的每一個指令都會自動帶上你的身分。

想確認有沒有成功，打這一行：

hf auth whoami

回你自己的使用者名稱就對了。

你不需要把 token 貼給 AI 看。 這一點很重要。

一個專門坑舊教學的陷阱

以前這個工具叫 huggingface-cli，網路上絕大多數文章寫的都是那個名字。

它現在還在，但已經被掏空了。你照舊教學打下去，會看到這個：

$ huggingface-cli auth whoami
Warning: `huggingface-cli` is deprecated and no longer works. Use `hf` instead.

Hint: Install `hf`:
  Standalone (recommended): curl -LsSf https://hf.co/cli/install.sh | bash
  Using Homebrew:           brew install hf
  Using pip:                pip install huggingface_hub

注意它的措辭：deprecated and no longer works。指令跑得動、沒有報錯、但什麼事都沒發生。

這比「找不到指令」難察覺得多——很多人會以為自己已經登入了，然後在下一步莫名其妙地失敗。

看到舊文章寫 huggingface-cli 什麼什麼，一律把前面那個字換成 hf。

② 確認 AI 工具能執行指令。

像 Claude Code 這類直接住在終端機裡的助理，本來就能執行指令。第一次要動手時它會先問你要不要允許。

③（選配）讓 AI 直接連上 Hugging Face。

官方有一個給 AI 助理用的連接埠，網址是 https://huggingface.co/mcp 。接上之後，AI 就能直接在 Hub 上搜模型、查資料集、找 Space，不必等你貼網址給它。

另外 hf 工具本身也附了一個指令，可以把「hf 該怎麼用」直接安裝成 Claude Code 讀得懂的說明書：

hf skills add --claude

這兩項都是選配。不裝，下面的句型一樣能用。

三個最好用的句型

① 「幫我看看這個模型能不能用。」

「https://huggingface.co/xxx/yyy 這個模型，幫我看一下它是做什麼的、授權能不能商用、檔案總共多大、我這台電腦跑不跑得動。」

這是我用得最頻繁的一句。

它會去把模型卡讀完、把檔案清單掃過、把 License 那一行翻成人話，然後告訴你「可以商用，但要標註出處；檔案 15 GB，你的記憶體不夠，要改用量化版本」。

自己做這件事要開四個分頁，看十分鐘。

② 「把這個資料夾建成一個 private 的 dataset 傳上去。」

「把 ~/Documents/訪談逐字稿 這個資料夾，建成一個 private 的 dataset repo 傳上去，名字叫 interview-2026，說明寫清楚一點。」

它會建倉庫、上傳、寫好 commit 訊息，然後把網址給你。

注意那個 private——這種句型裡，公開或私人一定要自己講出來，不要留給預設值決定。

③ 「我好像傳錯東西了，怎麼辦？」

「我剛剛把一個資料夾傳上去了，裡面可能有一個 .env 檔案。這個 repo 是公開的。怎麼辦？」

這種時候最不該做的，是自己上網找一個指令貼上去執行。

把狀況講清楚交給它：傳了什麼、什麼時候傳的、公開還是私人。它會先判斷嚴重程度，再給你處理順序——而且第一句通常會是「先去把那把金鑰作廢」。

但請守住這四條界線

第一，讓它先說，再做。

尤其是「刪除」、「改成公開」、「覆蓋」這類動作。請它先用一句話講出要做什麼、會有什麼後果，你同意了再執行。

多花十秒鐘，換掉一次無法挽回。

第二，上傳就是發佈，要你自己點頭。

檔案在你電腦裡怎麼改都沒關係，改壞了可以還原。但按下上傳的那一刻，東西就離開你家了。

如果那個倉庫是公開的，它同時進了搜尋引擎和所有人的視野。

把「上傳」保留成一個需要你同意的動作。

第三，改可見性和刪倉庫，一律先問。

Private 改成 Public 這個動作，是不可逆的——不是指按鈕改不回來，而是改回去之前被誰看過、被誰複製了，你永遠不會知道。

刪除倉庫也一樣，連同所有版本紀錄一起消失。

第四，傳出去的東西，你要自己看過一眼。

這一條在 Hugging Face 上特別重要，因為你傳的是「整個資料夾」，不是一個一個檔案。

資料夾裡常常夾帶你忘記的東西：.env 設定檔、.DS_Store、備份檔、還有照片檔案裡的 GPS 座標。

上傳前請它先列出「這次總共會傳哪些檔案」，自己看一遍再點頭。

你是那個要負責任的人，AI 不是。

一個小提醒：先讓它做「讀」的事

沒試過的話，建議這樣起步：

第一週，只讓它做「看」的動作。 幫我讀這個模型卡、比較這兩個模型、這個授權能不能商用。零風險。

第二週，讓它做私人的上傳。 全部開 Private，錯了刪掉重來，不痛。

等你看得懂它在做什麼了，再把公開的動作交出去。

順序倒過來的人，通常會在第三天遇到一次心跳加速的意外。

總結：今天要做的，只有一件事

Hugging Face 這個名字聽起來像是給工程師的，但它真正在做的事情其實很樸素：把別人做好的東西攤在架上，讓你不用從頭來過。

而它的另外半邊，是一個為「大檔案」而生的保管室。這件事跟 AI 沒有關係，跟你有沒有一批重要的資料才有關係。

你不需要一口氣把這些都記起來。老實說，那些指令你可能永遠不需要記。

今天要做的，只有一件事。

「申請一個免費帳號，開一個 Private 的 Dataset，把一個你自己的檔案拖進去。」

就這樣而已。

放什麼都可以。一份整理到一半的表格、一批拍完還沒挑的照片、一個你怕弄丟的 PDF。

拖進去，寫一行說明，按下 Commit。

你會發現，那個在關掉的四十秒裡看起來冷淡到不行的網站，其實只是沒有人跟你介紹過它而已。

附錄：一頁速查表

三個分頁在放什麼

Models    做好的 AI 零件（別人訓練完的「腦袋」）
Datasets  原料與資料（你自己的檔案也放這裡）
Spaces    現場試用機（免安裝，開網頁就能玩）

拿東西之前一定要看的三個地方

1. 作者（名字裡斜線的前半段）
2. Downloads（有多少人真的在用）
3. License（能不能商用，nc 就是不能）

三個絕對不要

1. 不要讓程式自動幫你建倉庫——先手動建好 Private 的
2. 不要把 hf_ 開頭的 token 貼進程式碼、筆記或聊天室
3. 不要整個資料夾直接上傳——先看一眼裡面有什麼

Token 四要點

1. 三種角色：read（唯讀）／write（讀寫）／fine-grained（細權限）
2. 只要下載的話 read 就夠；要上傳才用 write，正式用途一律選 fine-grained
3. 產生後只顯示一次，立刻存進密碼管理器
4. 外流了先作廢（Invalidate），再處理其他事

指令三行

hf auth login                      # 登入（舊名 huggingface-cli 已失效）
hf download 作者/模型名             # 下載
hf upload 你的名字/箱子名 ./資料夾   # 上傳

懶人路線：註冊 → 開一個 Private Dataset → 網頁拖放上傳。全程不碰終端機。

常用網址

• 註冊：https://huggingface.co/join
• 模型清單：https://huggingface.co/models
• 資料集清單：https://huggingface.co/datasets
• 展示間：https://huggingface.co/spaces
• 申請 token：https://huggingface.co/settings/tokens
• 儲存空間規則：https://huggingface.co/docs/hub/storage-limits
• 給 AI 用的連接埠：https://huggingface.co/mcp