# 小學生也能懂的『Hugging Face』超入門

> 超入門 · 2026-09-11

> 圖解版：./eli5/huggingface.html

我第一次打開 Hugging Face，是因為一篇教學文的第三行寫著「先到 Hugging Face 把模型下載下來」，然後就沒有然後了。

我點進去，畫面上是一整排看不懂的名字：`black-forest-labs/FLUX.1-dev`、`Qwen/Qwen3-TTS`、`openai/whisper-large-v3`。每個名字後面跟著一串數字、一個下載箭頭、幾個灰色的小標籤。

我在那個頁面上待了大概四十秒，一個按鈕都沒按，就關掉了。

那個網站的標誌，是一張笑到流眼淚、兩隻手張開要抱你的黃色表情符號。我當時的感想是：一個用擁抱當招牌的地方，裡面的東西怎麼會這麼冷淡。

「那不是 AI 工程師才會去的地方嗎？」

「我又不會訓練模型，去那裡要幹嘛？」

「而且它整個網站都是英文的吧。」

抱著這樣的疑惑，默默把畫面關掉的人應該不少。

這篇文章分成五個章節。第一章說明 Hugging Face 到底是什麼；第二章帶你把網站逛過一遍，並且親手玩一次別人做好的 AI；第三章講「把自己的東西放上去」——這是多數人沒想過自己也可以做的事；第四章是三個新手一定會踩的坑；第五章談怎麼把整件事交給 AI 代勞。

專有名詞會全部拆開來講，每一個要按的按鈕都會附上截圖。就算你現在完全零知識，也可以放心閱讀。

※本文中 Hugging Face 的畫面與規格，是截至 2026 年 9 月為止，實際操作官方網站並確認官方文件後的內容。

# 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。

![圖 1-1：Hugging Face 官方網站首頁](img/huggingface/01-01-hf-home.jpg)
> 圖 1-1：這就是 Hugging Face 的門口（huggingface.co）。左上角那張笑到流眼淚、張開雙手的黃色表情符號就是它的標誌。右上角的 **Sign Up** 是註冊，旁邊那排 Models、Datasets、Spaces 是待會要逐一講的三個分頁。

## 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。

![圖 1-2：頂端導覽列的三個分頁](img/huggingface/01-03-three-tabs.png)
> 圖 1-2：導覽列由左到右：**Models**（模型）、**Datasets**（資料集）、**Spaces**（展示間）。你在這個網站做的每一件事，幾乎都從這三個字開始。

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](./github.html)，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。

![圖 2-1：Hugging Face 的註冊頁面](img/huggingface/02-01-signup.jpg)
> 圖 2-1：整個第一頁就這兩格。填完按 **Next**，下一頁才會問你要叫什麼名字。看到那行 Hint 說「用公司信箱比較容易找到同事」——個人用的話忽略它就好。

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：

| 你想做的事 | 要選的 Task |
|---|---|
| 把語音轉成文字 | Automatic Speech Recognition |
| 打字生成圖片 | Text-to-Image |
| 把照片裡的東西去背 | Image Segmentation |
| 翻譯 | Translation |
| 把一段文字唸出來 | Text-to-Speech |

![圖 2-2：Models 頁面左側的 Tasks 篩選](img/huggingface/02-02-tasks-filter.jpg)
> 圖 2-2：左欄由上而下是 **Tasks**（要它做什麼）、**Parameters**（模型多大）、**Libraries**（用什麼框架做的）。新手只要用最上面那一組。右上角的 `3,056,510` 就是目前的模型總數，篩選之後這個數字會立刻掉下來。

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。

![圖 2-3：一張模型卡上該看的四個地方](img/huggingface/02-03-model-card.jpg)
> 圖 2-3：這是 OpenAI 的語音轉文字模型 whisper-large-v3。左上 `openai/` 是作者，下面那排標籤最後面是 `License: apache-2.0`（可商用），右上角 **Downloads last month 5,051,898**——上個月被下載五百萬次。這三個數字合起來，你就知道這東西可不可信、能不能用。

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。

![圖 2-4：Files and versions 分頁](img/huggingface/02-04-files-tab.jpg)
> 圖 2-4：檔名旁邊那個 `24.7 GB` 是**整個倉庫的總大小**，往下每一列右邊是單一檔案的大小。這一頁還會告訴你這個箱子總共存過幾次檔（右上角 History: 21 commits）。

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。

![圖 2-5：Spaces 首頁](img/huggingface/02-05-spaces-list.jpg)
> 圖 2-5：不知道要找什麼的話，就用中間那一條 **Ask anything you want to do with AI**，直接打你想做的事。底下那排圖示（Image Generation、Video Generation、Speech Synthesis…）是分類捷徑，再下面的 **Spaces of the week** 是這週最多人玩的。

隨便挑一個打開，上傳一張圖，按下送出。

![圖 2-6：一個去背 Space 跑完的樣子](img/huggingface/02-06-space-running.jpg)
> 圖 2-6：左邊是原圖——一隻停在樹皮上、跟背景幾乎融為一體的蝴蝶。右邊是這個 Space 吐出來的結果：背景整片拿掉，只留下蝴蝶。這中間你沒有安裝任何東西，也沒有打任何一行指令。

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。

![圖 3-1：頭像選單裡的「開新的」清單](img/huggingface/03-01-new-repo-menu.jpg)
> 圖 3-1：**New Model / New Dataset / New Space** 三個選項並排在這裡（New Bucket 是前面講過的付費儲存，跳過）。下半部那塊 **Usage Quota** 是這個選單最有用的地方——它直接告訴你免費額度用掉多少，下一節會用到。

選 **New Dataset**。

![圖 3-2：建立新 dataset 的表單](img/huggingface/03-02-new-dataset-form.jpg)
> 圖 3-2：表單只有四格，而最重要的是下面那兩顆圓鈕。圖中已經把它從預設的 Public 改成 **Private**——這一步為什麼非做不可，下一章第一節會講。

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。

![圖 3-3：網頁上的拖放上傳介面](img/huggingface/03-03-upload-files.jpg)
> 圖 3-3：中間那個虛線框就是拖放區，寫著「Drag files/folders here or click to browse from your computer」——**資料夾也可以整個拖進去**。底下那兩顆圓鈕保持預設的 Commit directly to the main branch 就好。

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。

![圖 3-4：建好之後的 dataset 頁面](img/huggingface/03-04-dataset-done.jpg)
> 圖 3-4：名稱旁邊那個灰色的 **private** 標籤，就是「只有你看得到」的證明。中間那塊 **Push your dataset files** 是給想用指令上傳的人看的，第五章會用到——注意它寫的指令是 `hf`，不是網路上那些舊教學寫的 `huggingface-cli`。

## 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](https://huggingface.co/docs/hub/storage-limits)——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。

![圖 4-1：新建倉庫時，被選中的是 Public](img/huggingface/04-01-private-toggle.png)
> 圖 4-1：這是剛打開表單、什麼都還沒動的樣子。藍色實心的圓點在 **Public** 那一行——旁邊寫得很清楚：「Anyone on the internet can see this Dataset」。要私人保管，就得自己把它點到下面那顆 Private。

## 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 。

![圖 4-2：Access Tokens 設定頁](img/huggingface/04-02-token-page.jpg)
> 圖 4-2：這裡列出你所有的鑰匙，右邊 **Permissions** 那一欄標著每一把是 FINEGRAINED、READ 還是 WRITE。圖中 Value 那一欄已經打碼——真實畫面上也只會顯示開頭的 `hf_` 和最後四碼，完整字串**從產生的那一刻起就再也看不到了**。上方那段警告值得讀一遍：Hugging Face 說他們會定期掃描外流的 token 並直接作廢。

![圖 4-3：建立 token 時的權限勾選畫面](img/huggingface/04-03-token-permissions.jpg)
> 圖 4-3：上面那排 **Presets**（Read-Only／Inference／Write／CI/CD／Full Access／Custom）是現成的權限組合，點 Custom 才會展開下面這一大片逐項勾選。看一下第一欄就懂差別在哪：「Read contents of your repos」和「Write contents/settings of your repos」是兩件完全不同的事。

**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。

![圖 4-4：gated 模型要你先同意才給檔案](img/huggingface/04-04-gated-model.jpg)
> 圖 4-4：Meta 的 Llama 3.1 就是這樣。整頁最上面那一塊寫著 **You need to agree to share your contact information to access this model**，底下是整份授權條款，要按過才拿得到檔案。注意右邊的 Downloads 數字照樣顯示——**看得到，不等於拿得到**。

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：

```bash
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：

```bash
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：

```bash
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


---
短網址：https://os.housearch.net/g/3