huggingface-datasets 是什么、怎么安装使用：让智能体查询 Hugging Face 数据集内容的官方 Skill

本文根据 huggingface/skills 仓库里该技能的 SKILL.md 与仓库 README 整理，资料核对于 2026-10-11。所在仓库 huggingface/skills 在 GitHub 约 1.1 万 Star（同日数据）。技能内容会随仓库更新，以仓库为准。

这个 Skill 做什么

想知道 Hub 上某个数据集长什么样，传统做法是把它整个下载下来再用代码打开——几十个 GB 的数据集就为了看前几行。Hugging Face 其实提供了 Dataset Viewer API，可以在线预览和查询。huggingface-datasets 技能教智能体用这套接口。description：用于 Hugging Face Dataset Viewer API 的各类工作流——获取子集（subset）与划分（split）的元数据、分页读取行、搜索文本、应用筛选、下载 Parquet 地址，以及读取大小或统计信息。

SKILL.md 把它定位为执行只读的 Dataset Viewer API 调用，用于数据集的探索和提取。核心流程是一步步缩小范围：

1. 可选地先确认数据集可用；
2. 查出有哪些配置和划分；
3. 预览前若干行；
4. 需要时分页取更多行、做全文搜索或按条件筛选；
5. 要全量数据时获取 Parquet 文件地址；
6. 读取数据集的大小和各列统计。

后面还有两节：创建和上传数据集的做法，以及如何处理「智能体轨迹」类数据。

怎么安装

按仓库 README，Claude Code 先登记市场并安装基础的 CLI 技能，其余技能再用 hf 命令行添加：

text
/plugin marketplace add huggingface/skills
/plugin install hf-cli@huggingface/skills

bash
hf skills add huggingface-datasets

Codex 的做法是把仓库 skills/ 下需要的文件夹复制或软链接到 .agents/skills；Gemini CLI 用 gemini extensions install https://github.com/huggingface/skills.git --consent。

仓库整体介绍和其他安装方式，详见本站《huggingface/skills 是什么、怎么安装：Hugging Face 官方 Agent Skills（hf-cli、模型训练、数据集、Spaces、Gradio）》。

怎么用

• 「看看 stanfordnlp/imdb 有哪些划分，各有多少行，给我看训练集的前 5 条」。
• 「在这个数据集里搜索包含 refund 的样本，统计大概有多少」。
• 「我想挑一个中文客服对话数据集，帮我对比这三个的字段和规模」。

这个技能只有一份 SKILL.md。

适合谁 / 局限

适合做数据选型、训练前检查数据格式的算法工程师，以及只想快速了解某个数据集内容的人。Dataset Viewer 并非对所有数据集都可用——过大、格式特殊或未处理完成的数据集可能无法预览；它查询的是 Hub 上的公开接口，本地数据文件的分析不在范围内。

注意事项

• 许可：Apache-2.0。
• 会联网：调用 Hugging Face 的公开 API；访问私有或受限数据集需要访问令牌。
• 数据许可：数据集各有自己的许可证和使用限制，用于训练或商用前查看数据集卡片。
• 查询结果只是样本，判断数据质量前多看几页、看统计分布。