适合谁
适合会写一点 Python、想查找、运行和分享开源模型的人。你需要一个免费的 Hugging Face 账号、Python 3.11 或更高版本（Transformers 从这个版本起经过测试），以及一个终端。
课程内容
- 1Hugging Face 教程：查找、核对并下载开源模型写给会一点 Python 的人的 Hugging Face 教程：在 Hub 上找模型，读模型卡和许可证，申请受限模型，再用 hf 命令行下载。
- 2Transformers pipeline 教程：用 Python 在 CPU 或 GPU 上运行开源模型Transformers pipeline 教程：安装，分类和生成文本，和指令模型对话，再挑选适合你内存的设备和精度。
- 3Hugging Face 推理 API：用 Inference Providers 调用托管的开源模型通过 Inference Providers 调用托管的开源模型，它接替了 Hugging Face 推理 API：令牌、InferenceClient、OpenAI 客户端和 curl。
- 4Hugging Face Spaces 与 Gradio 教程：做一个演示并托管上线Gradio 和 Hugging Face Spaces 教程：用 gr.Interface 做一个演示，在本机运行，再连同依赖、密钥和 ZeroGPU 一起托管到 Space 上。
常见问题
学这门 Hugging Face 课程需要 GPU 吗？
不需要。第 2 课在 CPU 上跑小模型，第 3 课把重活交给托管提供商，第 4 课讲演示应用可以用的共享 ZeroGPU。有 GPU 只是让更大的本地模型跑得动。
这门 Hugging Face 课程免费吗？
免费，课程内容随便看。在 Hugging Face 上做某些步骤可能要花钱：调用托管模型会消耗额度，大多数 Gradio Space 需要付费套餐，第 3 课和第 4 课会讲清楚。
这门课和本地 AI 课程有什么不同？
本地 AI 课程用 Ollama 和 LM Studio 运行模型，这些应用把 Python 藏在背后。这门课直接在 Python 里用 Hugging Face 的库，模型文件、参数和托管方式都由你自己决定。
学完这门课，接下来学什么？
下一门是微调课程，用 LoRA 在你自己的数据上训练开源模型，再在本地运行结果并分享到 Hub。再往后是 MCP 课程。