Mindket

jobs-actions Dispatcher

新上架第 1 版 · 更新于

概览

接收 GitHub Actions 的 workflow_job webhook,并启动 Hugging Face Jobs 来运行它们,适合想让 GitHub 工作流在 Hugging Face 上运行的开发者。

jobs-actions Dispatcher 是一款工具包,属于开发类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。

速览

你需要
  • 一个 GitHub App,以及它的 App ID、私钥和 webhook 密钥
  • 一个带写权限的 Hugging Face 令牌
  • 用来运行 Space 的 Hugging Face 账号,或者本地副本用的 Docker
  • Python,如果你用 hf 命令下载文件
用在
  • GitHub Actions:它响应的是 workflow_job 事件
  • GitHub App:它的 webhook 指向这个 Space
  • Hugging Face Spaces:它作为 Docker Space 运行在 cpu-upgrade 硬件上
  • Windows、macOS 或 Linux 上的 Docker:在本地运行这个 Space 的一份副本
先运行
pip install -U huggingface_hub
hf download huggingface/jobs-actions-dispatcher --repo-type space --local-dir jobs-actions-dispatcher
cd jobs-actions-dispatcher

平台

Docker容器
Windows操作系统
macOS操作系统
Linux操作系统

关于

它是什么

jobs-actions Dispatcher 是一个让 GitHub Actions 在 Hugging Face Jobs 上运行的项目的调度那一半。GitHub 的 workflow_job 事件会以 webhook 的形式送达,每一个都会让 Space 启动一个 Hugging Face Job。它作为 Docker Space 在 7860 端口运行,由 Python 文件和一个 Dockerfile 构成。

适合谁

适合把代码放在 GitHub 上、想让 Actions 工作流以 Hugging Face Jobs 的形式运行的开发者。已经在用 GitHub App,并且能提供带写权限的 Hugging Face 令牌的人最合适。

行业谁在用怎么用例子
软件开发使用 GitHub Actions 的团队把 GitHub App 的 webhook 指向这个 Space工作流任务作为 Hugging Face Jobs 启动
机器学习机器学习工程师通过 Space 变量选择 CPU 或 GPU 运行镜像把需要 GPU 的任务送到 GPU 镜像
运维平台工程师用健康检查端点检查这个 Space调用健康检查,确认 Space 还活着

如果你的工作流在 GitHub 自带的运行器上跑得很好,而且没有要连接的 GitHub App,可以跳过它。

用在哪里

这个调度器位于 GitHub 和 Hugging Face 之间。

  • GitHub Actions:它响应的是 workflow_job 事件
  • GitHub App:它的 webhook 指向这个 Space
  • Hugging Face Spaces:它作为 Docker Space 运行在 cpu-upgrade 硬件上
  • Windows、macOS 或 Linux 上的 Docker:在本地运行这个 Space 的一份副本
用途谁用能得到什么
在 Hugging Face 上运行工作流任务GitHub 上的团队每个 workflow_job webhook 都会启动一个 Hugging Face Job
找到 webhook URL设置 GitHub App 的人一个显示这个 Space 的 webhook URL 的落地页
检查它是否在运行运维人员健康检查端点的一次回复

如何设置

你先要准备几个账号和密钥,然后在 Space 上填几项设置。

  • 一个 GitHub App,以及它的 App ID、私钥和 webhook 密钥
  • 一个带写权限的 Hugging Face 令牌
  • 用来运行 Space 的 Hugging Face 账号,或者本地副本用的 Docker
  • Python,如果你用 hf 命令下载文件
  1. 在 Hugging Face 上运行这个 Space,或者用 Docker 构建一份副本。
  2. 在 Space 的设置里,Variables and secrets 下,添加表里的三个密钥。
  3. 添加 GH_APP_ID 变量,再按需添加可选变量。
  4. 在浏览器里访问这个 Space,读一下它显示的 webhook URL,然后把这个 URL 填进你的 GitHub App。
  5. 想要本地副本,就下载文件,构建镜像,并用下面的命令启动容器。
名称类型内容
GH_APP_PRIVATE_KEY密钥PEM 格式的 GitHub App 私钥,换行要经过编码
GH_WEBHOOK_SECRET密钥给 webhook 签名的密钥,在你的 GitHub App 设置里选定
HF_TOKEN密钥一个能写入的 Hugging Face 令牌,让 Space 可以启动 Jobs
GH_APP_ID变量你的 GitHub App ID,一个数字
HF_NAMESPACE变量,可选启动并支付任务费用的用户或组织,默认是 Space 的所有者
RUNNER_IMAGE_CPU变量,可选CPU 任务用的 Docker 镜像
RUNNER_IMAGE_GPU变量,可选GPU 任务用的 Docker 镜像
JOB_TIMEOUT变量,可选每个任务的默认超时,比如 1h
pip install -U huggingface_hub
hf download huggingface/jobs-actions-dispatcher --repo-type space --local-dir jobs-actions-dispatcher
cd jobs-actions-dispatcher
docker build -t jobs-actions-dispatcher .
docker run -it -p 7860:7860 jobs-actions-dispatcher

如何使用

在 GitHub App 上设好 webhook URL 之后,手动要做的事不多。GitHub 把事件发给 Space,Space 来启动 Jobs。本地副本用下面这条命令启动容器并开放 7860 端口。

docker run -it -p 7860:7860 jobs-actions-dispatcher
工具作用
GET /提供一个页面,告诉你该把哪个 webhook URL 交给 GitHub
GET /healthz响应存活探测
POST /webhook接收带 HMAC 签名的 GitHub App webhook

示例

在一个使用你的 GitHub App 的仓库里,GitHub 上排上了一个工作流任务。GitHub 向 Space 发送 workflow_job webhook,Space 启动一个 Hugging Face Job 来运行它。

新手与专家

如果你是新手,可以把它想成一个中转站。GitHub 说有个任务在等,这个 Space 就请 Hugging Face 去运行它。第一件小事,是在浏览器里打开 Space,读一读它的落地页。

如果你熟悉这个领域,这个 Space 是 webhook 的接收和启动方,另一半负责运行器。仓库按 GitHub App、Jobs 调用和运行器引导把工作分到不同文件里。代价是 Space 需要带写权限的令牌和 GitHub App 私钥。

  1. GitHub 排上一个工作流任务
  2. GitHub 发送带签名的 webhook
  3. Space 启动一个 Hugging Face Job
  4. Job 运行这个工作流

注意事项

它只是调度器,所以要配合运行器那一半和一个 GitHub App 才有用。

  • Hardware: Hugging Face 上的 cpu-upgrade,端口 7860
  • Size: 仓库里有 16 个文件
  • License: apache-2
  • Cost to run: 一个带写权限的 Hugging Face 令牌,一个 GitHub App,以及记在你所设命名空间下的 Hugging Face Jobs 费用
  • Data it reaches: GitHub webhook,GitHub App 私钥,以及启动 Jobs 的 Hugging Face 账号
  • Not for: 没有提到禁止的用途

README 和文件

README

jobs-actions Dispatcher

接收 GitHub Actions 的 workflow_job webhook,并启动 Hugging Face Jobs 来运行它们,适合想让 GitHub 工作流在 Hugging Face 上运行的开发者。

由 huggingface 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的,应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么:jobs-actions Dispatcher 是一个让 GitHub Actions 在 Hugging Face Jobs 上运行的项目的调度那一半。GitHub 的 workflow_job 事件会以 webhook 的形式送达,每一个都会让 Space 启动一个 Hugging Face Job。它作为 Docker Space 在 7860 端口运行,由 Python 文件和一个 Dockerfile 构成。

适合谁:适合把代码放在 GitHub 上、想让 Actions 工作流以 Hugging Face Jobs 的形式运行的开发者。已经在用 GitHub App,并且能提供带写权限的 Hugging Face 令牌的人最合适。

行业 | 谁在用 | 怎么用 | 例子
软件开发 | 使用 GitHub Actions 的团队 | 把 GitHub App 的 webhook 指向这个 Space | 工作流任务作为 Hugging Face Jobs 启动
机器学习 | 机器学习工程师 | 通过 Space 变量选择 CPU 或 GPU 运行镜像 | 把需要 GPU 的任务送到 GPU 镜像
运维 | 平台工程师 | 用健康检查端点检查这个 Space | 调用健康检查,确认 Space 还活着

如果你的工作流在 GitHub 自带的运行器上跑得很好,而且没有要连接的 GitHub App,可以跳过它。

用在哪里:这个调度器位于 GitHub 和 Hugging Face 之间。

  • GitHub Actions:它响应的是 workflow_job 事件
  • GitHub App:它的 webhook 指向这个 Space
  • Hugging Face Spaces:它作为 Docker Space 运行在 cpu-upgrade 硬件上
  • Windows、macOS 或 Linux 上的 Docker:在本地运行这个 Space 的一份副本
用途 | 谁用 | 能得到什么
在 Hugging Face 上运行工作流任务 | GitHub 上的团队 | 每个 workflow_job webhook 都会启动一个 Hugging Face Job
找到 webhook URL | 设置 GitHub App 的人 | 一个显示这个 Space 的 webhook URL 的落地页
检查它是否在运行 | 运维人员 | 健康检查端点的一次回复

如何设置:你先要准备几个账号和密钥,然后在 Space 上填几项设置。

  • 一个 GitHub App,以及它的 App ID、私钥和 webhook 密钥
  • 一个带写权限的 Hugging Face 令牌
  • 用来运行 Space 的 Hugging Face 账号,或者本地副本用的 Docker
  • Python,如果你用 hf 命令下载文件
  1. 在 Hugging Face 上运行这个 Space,或者用 Docker 构建一份副本。
  2. 在 Space 的设置里,Variables and secrets 下,添加表里的三个密钥。
  3. 添加 GH_APP_ID 变量,再按需添加可选变量。
  4. 在浏览器里访问这个 Space,读一下它显示的 webhook URL,然后把这个 URL 填进你的 GitHub App。
  5. 想要本地副本,就下载文件,构建镜像,并用下面的命令启动容器。
名称 | 类型 | 内容
GH_APP_PRIVATE_KEY | 密钥 | PEM 格式的 GitHub App 私钥,换行要经过编码
GH_WEBHOOK_SECRET | 密钥 | 给 webhook 签名的密钥,在你的 GitHub App 设置里选定
HF_TOKEN | 密钥 | 一个能写入的 Hugging Face 令牌,让 Space 可以启动 Jobs
GH_APP_ID | 变量 | 你的 GitHub App ID,一个数字
HF_NAMESPACE | 变量,可选 | 启动并支付任务费用的用户或组织,默认是 Space 的所有者
RUNNER_IMAGE_CPU | 变量,可选 | CPU 任务用的 Docker 镜像
RUNNER_IMAGE_GPU | 变量,可选 | GPU 任务用的 Docker 镜像
JOB_TIMEOUT | 变量,可选 | 每个任务的默认超时,比如 1h
pip install -U huggingface_hub
hf download huggingface/jobs-actions-dispatcher --repo-type space --local-dir jobs-actions-dispatcher
cd jobs-actions-dispatcher
docker build -t jobs-actions-dispatcher .
docker run -it -p 7860:7860 jobs-actions-dispatcher

如何使用:在 GitHub App 上设好 webhook URL 之后,手动要做的事不多。GitHub 把事件发给 Space,Space 来启动 Jobs。本地副本用下面这条命令启动容器并开放 7860 端口。

docker run -it -p 7860:7860 jobs-actions-dispatcher
工具 | 作用
GET / | 提供一个页面,告诉你该把哪个 webhook URL 交给 GitHub
GET /healthz | 响应存活探测
POST /webhook | 接收带 HMAC 签名的 GitHub App webhook

示例:在一个使用你的 GitHub App 的仓库里,GitHub 上排上了一个工作流任务。GitHub 向 Space 发送 workflow_job webhook,Space 启动一个 Hugging Face Job 来运行它。

新手与专家:如果你是新手,可以把它想成一个中转站。GitHub 说有个任务在等,这个 Space 就请 Hugging Face 去运行它。第一件小事,是在浏览器里打开 Space,读一读它的落地页。

如果你熟悉这个领域,这个 Space 是 webhook 的接收和启动方,另一半负责运行器。仓库按 GitHub App、Jobs 调用和运行器引导把工作分到不同文件里。代价是 Space 需要带写权限的令牌和 GitHub App 私钥。

GitHub 排上一个工作流任务
GitHub 发送带签名的 webhook
Space 启动一个 Hugging Face Job
Job 运行这个工作流

注意事项:它只是调度器,所以要配合运行器那一半和一个 GitHub App 才有用。

  • Hardware: Hugging Face 上的 cpu-upgrade,端口 7860
  • Size: 仓库里有 16 个文件
  • License: apache-2
  • Cost to run: 一个带写权限的 Hugging Face 令牌,一个 GitHub App,以及记在你所设命名空间下的 Hugging Face Jobs 费用
  • Data it reaches: GitHub webhook,GitHub App 私钥,以及启动 Jobs 的 Hugging Face 账号
  • Not for: 没有提到禁止的用途

Hugging Face 上的数据(2026年11月13日)

  • 点赞:3
  • 构建方式:docker
  • 许可证:apache-2.0

链接

  • Space:https://huggingface.co/spaces/huggingface/jobs-actions-dispatcher
  • 文件:https://huggingface.co/spaces/huggingface/jobs-actions-dispatcher/tree/main

试用

在浏览器里打开这个 Space,或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。

文件
README.md  6 KB

1 个文件,共 6 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-12

同类产品对比

同一分类里与本产品共有标签最多的已上架 Hugging Face Space。

产品点赞构建方式许可证最近更新
jobs-actions Dispatcher 本页3dockerapache-2.0
Zero GPU Spaces共有 docker985dockermit
Kimodo共有 docker340dockerapache-2.0
Harness Leaderboard共有 docker323dockerapache-2.0
Flowise共有 docker132dockermit
Multitrack Midi Music Generator共有 docker130dockermit
数据为 Mindket 在 2026-11-12 读取的数值。

评价

还没有评分

写评价

还没有评价。

Mindket 的更多商品

查看 Mindket 的全部商品

Bonsai-27B-GGUF

lmstudio-community · 工具包

面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。

新上架

以每权重 2.9 位的 EXL3 量化运行 DeepSeek-V4.1-Flash-1017,这是一份 196 GiB 的副本,适合在自己硬件上部署大模型的人。困惑度与原模型相差不大。

新上架

MusicGen Small

facebook · 工具包

根据文字描述或音频提示生成短音乐片段,是 facebook MusicGen 的 small 检查点。适合想在自己电脑上试用文字生成音乐的开发者和音乐爱好者。

新上架

开发类的相似商品

查看开发类的全部商品

Lexnet

alpindale · 工具包

用一个只有约 984 个权重的小型神经网络,为 C 源代码的每个字符打上语法高亮标签,通过一个小小的 C 程序运行。适合对手工设计的网络好奇的开发者和研究者。

新上架

FLUX.2 Klein LoRA Studio

prithivMLmods · 工具包

在浏览器或你自己的电脑上,用一个 Gradio 应用试用 FLUX.2 Klein 图像模型的一组 LoRA。适合制作或测试 AI 图片的人。

新上架

anaksor-ocr

Sokheng · 工具包

这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。

新上架