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，人们可以在此轻松协作，共同构建机器学习项目。
Hugging Face Hub 还提供多种端点，用于构建机器学习应用。 本示例展示了如何连接到不同类型的端点。 其中，文本生成推理由 Text Generation Inference 提供支持：这是一个专为极速文本生成推理而构建的自定义 Rust、Python 和 gRPC 服务器。 
from langchain_huggingface import HuggingFaceEndpoint

​
安装与设置

使用前，您需要安装 huggingface_hub Python 包。 
pip install -qU huggingface_hub

# get a token: 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

以下是如何访问无服务器 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",  # set your provider here 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 可让您快速实现方案并迭代，但对于高负载场景可能会受到速率限制，因为负载与其他请求共享。 对于企业级工作负载，最佳选择是使用 Inference Endpoints - Dedicated。 这提供了对完全托管基础设施的访问，可提供更大的灵活性和更快的速度。这些资源配备持续支持和正常运行时间保障，以及 AutoScaling 等选项。 
# Set the url to your Inference Endpoint below
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()])
同样的 HuggingFaceEndpoint 类也可与本地 HuggingFace TGI 实例配合使用，以提供 LLM 服务。请查看 TGI 仓库，了解各种硬件（GPU、TPU、Gaudi 等）的支持详情。
在 GitHub 上编辑此页面 或 提交 Issue。
将这些文档连接到 Claude、VSCode 等，通过 MCP 获取实时解答。