HuggingFace Datasets

HuggingFace Datasets 是官方仓库 huggingface/skills 中的 huggingface-datasets Skill（Skill 目录）。自 2026 年 3 月重组后，它是一个 Dataset Viewer Skill：教编程智能体通过只读 API 调用浏览和提取 Hub 数据集，并附带几种有文档说明的上传方式。（同名的旧版数据集创建 Skill 已在那次重组中移除。）

所有请求都发往 https://datasets-server.huggingface.co，使用普通的 GET，因此智能体无需下载就能查看数据集。

核心功能

• 了解结构：/is-valid、列出子集与切分的 /splits、预览用的 /first-rows。
• 分页读取：/rows，offset 从 0 开始，length 最多 100，借助 num_rows_total 和 partial 决定是否继续。
• 搜索与过滤：/search 在字符串列中搜索文本；/filter 使用 where 条件，可选 orderby 排序。
• 文件与统计：/parquet 获取分片地址，/size、按列的 /statistics，以及可用时的 /croissant 元数据。
• 受限数据：私有或受限数据集需要 Authorization: Bearer <HF_TOKEN>。
• 上传：通过 Hub 网页，或 npx -y @huggingface/hub upload datasets/<ns>/<repo> ./folder data（加 --private 设为私有）。
• 智能体会话记录：把 Claude Code、Codex、Pi 的原始 JSONL 会话上传到数据集后，Hub 会提供会话查看器；Skill 建议使用私有仓库。

适用场景

• 确定训练数据集之前先检查列和样例行。
• 只拉取满足过滤条件的行做快速分析。
• 发布自己的智能体会话记录供他人审阅。

定价

免费开源（仓库为 Apache-2.0）。公开数据集的 Dataset Viewer API 可公开调用。

快速开始

1. 安装 HuggingFace CLI，再运行 hf skills add huggingface-datasets。
2. 提问："显示 stanfordnlp/imdb 的切分和前几行"。
3. 若想用 SQL 而不是 REST，CLI Skill 的 hf datasets sql 可用 DuckDB 查询同一批 parquet 文件。

局限：行接口每次约 100 行上限，大量读取意味着多次请求或直接下载 parquet。会话记录可能包含提示词、文件路径和密钥，Skill 要求这类仓库保持私有。

常见问题

它会写入我的数据集吗？

查看类调用都是只读的，上传是单独、显式的命令。

能读取私有数据集吗？

可以，只要令牌有访问权限。

替代方案

• HuggingFace CLI：在终端用 hf datasets parquet 和 hf datasets sql。
• HuggingFace Tool Builder：把重复的数据集查询封装成脚本。
• Hugging Face：托管数据的平台本身。

总结

在下载几个 GB 之前，用它轻量地看清 Hub 数据集的内容。更多见 skills 分类 与 hugging-face 标签。