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。
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。
pip install -U huggingface_hub hf download huggingface/jobs-actions-dispatcher --repo-type space --local-dir jobs-actions-dispatcher cd jobs-actions-dispatcher
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。
这个调度器位于 GitHub 和 Hugging Face 之间。
| 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 |
你先要准备几个账号和密钥,然后在 Space 上填几项设置。
| 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
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 |
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。
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。
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。
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。
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。
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。
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。
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。
README.md 6 KB
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 | 3 | docker | apache-2.0 | |
| Zero GPU Spaces共有 docker | 985 | docker | mit | |
| Kimodo共有 docker | 340 | docker | apache-2.0 | |
| Harness Leaderboard共有 docker | 323 | docker | apache-2.0 | |
| Flowise共有 docker | 132 | docker | mit | |
| Multitrack Midi Music Generator共有 docker | 130 | docker | mit |
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。
LibertAIDAI · 工具包
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。
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。
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。
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。
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。