Hugging Face普通用户入门：模型下载与在线空间使用说明

国内访问 Hugging Face 官方站点有时不太稳定，普通用户要下载模型或部署在线演示，可以直接使用官方镜像站 hf-mirror.com。这个站点完整镜像了 huggingface.co 上的模型、数据集和 Spaces（在线空间），访问速度和稳定性都优于直连。以下从环境配置、模型下载到空间使用，给出一套可执行的流程。

第一步：配置镜像环境变量

使用 Hugging Face 官方命令行工具 huggingface-cli 之前，需要设置环境变量指向镜像站。临时配置（当前会话有效）方式如下：Linux 系统执行 export HF_ENDPOINT=https://hf-mirror.com；Windows PowerShell 执行 $env:HF_ENDPOINT = "https://hf-mirror.com"。若希望全局生效，可将该变量写入系统配置文件。同时确保已安装依赖：在终端运行 pip install -U huggingface_hub，这个库会安装 huggingface-cli 命令。

第二步：使用命令行下载模型或数据集

配置好环境变量后，用 huggingface-cli download 模型ID 即可下载。例如下载知名的 BERT 模型，命令为 huggingface-cli download google-bert/bert-base-uncased。下载的数据默认存放在缓存目录，也可通过 --local-dir 参数指定路径。如果需要下载数据集，把模型ID换成数据集ID即可。这种方式适合批量下载或集成到脚本中。

第三步：浏览器直接下载小文件

对于单文件或小模型，进入 hf-mirror.com 搜索模型名称，在模型主页的“Files and Versions”选项卡中点击文件名即可直接下载。这种方法零配置，适合偶尔下载少量文件的用户。

第四步：使用在线空间（Spaces）

Hugging Face Spaces 让用户无需本地部署就能运行机器学习应用。访问 hf-mirror.com 后，点击顶部“Spaces”标签，浏览社区发布的应用，如文本生成、图像分类等。点击任意 Space 即可在线体验。如果想创建自己的 Space，需注册账号（镜像站账号与官方互通），点击“Create new Space”，选择 SDK（Gradio 或 Streamlit 最常用），上传代码即可。镜像站会同步官方 Spaces 数据，创建和运行体验与官方一致。

其他国内镜像平台作为备选

除了 HF-Mirror，阿里魔搭社区（ModelScope）、Gitee AI、始智 AI（WiseModel）、GitCode AI 社区也提供了 Hugging Face 模型的同步。这些平台各有侧重：魔搭社区对中文模型支持较好，Gitee AI 与国内代码托管平台深度集成。如果 hf-mirror.com 负载高，可切换至这些平台，使用方法类似——搜索模型 ID 后直接下载。

对于普通用户，日常下载模型首选 hf-mirror.com 配合 huggingface-cli 命令，需要快速验证或分享应用时直接使用 Spaces 在线空间。这套组合能覆盖从模型获取到在线演示的完整需求。