Skip to main content
Hugging Face Hub 是一个拥有超过 12 万个模型、2 万个数据集和 5 万个演示应用（Spaces）的平台，所有内容均为开源且公开可用。这是一个在线平台，人们可以在此轻松协作并共同构建机器学习应用。
Hugging Face Hub 还提供各种端点来构建机器学习应用。 本示例展示了如何连接到不同的端点类型。 特别是，文本生成推理由 文本生成推理 提供支持：这是一个定制的 Rust、Python 和 gRPC 服务器，用于实现极速文本生成推理。 
from langchain_huggingface import HuggingFaceEndpoint

​
安装与设置

要使用，您应该已安装 huggingface_hub Python 包。 
pip install -qU huggingface_hub

# 获取令牌：https://huggingface.co/docs/api-inference/quicktour#get-your-api-token

from getpass import getpass

HUGGINGFACEHUB_API_TOKEN = getpass()

import os

os.environ["HUGGINGFACEHUB_API_TOKEN"] = HUGGINGFACEHUB_API_TOKEN

​
准备示例

from langchain_huggingface import HuggingFaceEndpoint

from langchain_classic.chains import LLMChain
from langchain_core.prompts import PromptTemplate

question = "Who won the FIFA World Cup in the year 1994? "

template = """Question: {question}

Answer: Let's think step by step."""

prompt = PromptTemplate.from_template(template)

​
示例

这是一个如何访问服务器端 推理提供商 API 的 HuggingFaceEndpoint 集成的示例。 
repo_id = "deepseek-ai/DeepSeek-R1-0528"

llm = HuggingFaceEndpoint(
    repo_id=repo_id,
    max_length=128,
    temperature=0.5,
    huggingfacehub_api_token=HUGGINGFACEHUB_API_TOKEN,
    provider="auto",  # 在此处设置您的提供商 hf.co/settings/inference-providers
    # provider="hyperbolic",
    # provider="nebius",
    # provider="together",
)
llm_chain = prompt | llm
print(llm_chain.invoke({"question": question}))

​
专用端点

免费的无服务器 API 让您可以快速实现解决方案并进行迭代，但对于重度使用场景，它可能会受到速率限制，因为负载是与其他请求共享的。 对于企业工作负载，最好使用 推理端点 - 专用。 这提供了完全托管的基础设施，提供更大的灵活性和速度。这些资源附带持续支持和正常运行时间保证，以及自动扩展等选项。 
# 在下方设置您的推理端点 URL
your_endpoint_url = "https://fayjubiy2xqn36z0.us-east-1.aws.endpoints.huggingface.cloud"

llm = HuggingFaceEndpoint(
    endpoint_url=f"{your_endpoint_url}",
    max_new_tokens=512,
    top_k=10,
    top_p=0.95,
    typical_p=0.95,
    temperature=0.01,
    repetition_penalty=1.03,
)
llm("What did foo say about bar?")

​
流式传输

from langchain_core.callbacks import StreamingStdOutCallbackHandler
from langchain_huggingface import HuggingFaceEndpoint

llm = HuggingFaceEndpoint(
    endpoint_url=f"{your_endpoint_url}",
    max_new_tokens=512,
    top_k=10,
    top_p=0.95,
    typical_p=0.95,
    temperature=0.01,
    repetition_penalty=1.03,
    streaming=True,
)
llm("What did foo say about bar?", callbacks=[StreamingStdOutCallbackHandler()])
同一个 HuggingFaceEndpoint 类也可以与本地 HuggingFace TGI 实例 一起使用来提供 LLM 服务。有关各种硬件（GPU、TPU、Gaudi…）支持的详细信息，请查看 TGI 仓库。
将这些文档 通过 MCP 连接到 Claude、VSCode 等，以获取实时答案。
在 GitHub 上编辑此页面 或 提交问题。