指南 · Hugging Face

Hugging Face 上的模型和 Space 怎麼被 AI 推薦?

更新於 2026-11-09 · kagentx

簡答

把 model card 第一段寫成一句可核對的事實(什麼模型、做什麼、多大、在什麼資料上、一個指標),把 license、pipeline_tag、language、base_model 等中繼資料在 YAML 頭裡填全,Space 寫 short_description,再在自己官網放同一句話。2026-11-09 實測:huggingface.co 的 robots.txt 對所有爬蟲 Allow /,模型頁的 model card 正文直接在原始 HTML 裡,但 meta description 是自動產生的句式;Space 頁的 HTML 幾乎沒有正文。AI 回答是否引用 Hugging Face 頁面,沒有官方說明,我們未核實。

Hugging Face 擋 AI 爬蟲嗎?頁面正文在原始 HTML 裡嗎?

不擋。2026-11-09 我們用 curl 讀了 huggingface.co/robots.txt:只有一組 User-agent: * 加 Allow: /,沒有點名 GPTBot、ClaudeBot 或 PerplexityBot。再各取一個模型頁和 Space 頁看原始 HTML:模型頁的 model card 正文直接在 HTML 裡;Space 頁的 HTML 裡幾乎只有標題列,應用本身在 iframe 裡執行。

頁面我們看到的(2026-11-09)對你意味著什麼
robots.txtUser-agent: * / Allow: /,加 sitemap;沒有點名 AI 爬蟲按文字讀,三個爬蟲都可抓
模型页 openai-community/gpt2HTTP 200,約 243KB;正文含 model card 第一段、標籤(Text Generation、English、License: mit)和使用程式碼;meta description 是自動句式「Text Generation model with 0.1B parameters. Download, explore files and run it on Hugging Face.」model card 的文字爬蟲讀得到;但 meta description 不是你寫的第一段
模型页 google-bert/bert-base-uncased同樣直出;meta description 同一句式:「Fill-Mask model with 0.1B parameters…」自動句式只含任務和參數量
Space 页 gradio/hello_worldHTTP 200,約 34KB;正文去掉腳本後只有約 142 字元;meta description 是通用句「Discover amazing ML apps made by the community」;有 WebApplication 的 JSON-LDSpace 的頁面本身不告訴爬蟲它做什麼,除非你寫了 short_description
Space 页 HuggingFaceH4/zephyr-chatmeta description 是一段具體的話,但它的 README 頭裡沒有 short_description,來源我們沒查到;正文寫著 Space 已暫停暫停的 Space 頁只剩一個空殼,未核實描述從哪來

這只是 robots.txt 文字和我們自己的請求,不是 AI 爬蟲真實取到的內容。爬蟲是否執行腳本,見 AI 爬蟲會執行 JavaScript 嗎?;爬蟲規則見 AI 爬蟲的 robots.txt 怎麼寫?。

model card 第一段怎麼寫?

官方文件(2026-11-09 讀)說 model card 對「可發現、可重現、可分享」很重要,應描述模型本身、預期用途和限制(包括偏見)、訓練參數、訓練資料集和評測結果。第一段是頁面裡最先被讀到的文字,我們建議只放事實:這是什麼模型、做什麼任務、多大、什麼語言、在什麼資料上微調、一個能核對的指標。

不好的寫法好的寫法
第一段A state-of-the-art, powerful model that revolutionizes customer support.A fine-tuned DistilBERT model that sorts English customer-support tickets into five categories. 66M parameters; accuracy 91.4% on the held-out set in this repo.
标题MyModel-v2-final寫成模型是什麼:Ticket Triage DistilBERT
指标「比同類更準」寫資料集、指標名和數字,並說明這個數字是你自己測的
局限不寫寫已知不適用的情況:只支援英文、訓練資料的時間範圍
许可证只寫在檔案裡同時寫進 YAML 頭的 license 欄位,頁面會顯示並可過濾
---
license: apache-2.0
language:
- en
library_name: transformers
pipeline_tag: text-classification
base_model: distilbert/distilbert-base-uncased
datasets:
- example/support-tickets
tags:
- customer-support
---

# Ticket Triage DistilBERT

A fine-tuned DistilBERT model that sorts English customer-support tickets into
five categories (billing, bug, how-to, account, other). 66M parameters; runs
on CPU in about 20 ms per ticket. Accuracy 91.4% on the held-out set in this repo.

第一段之後,建議依次放:怎麼用(幾行程式碼)、訓練資料和過程、評測結果表、限制與偏見。頁面的 title 和 meta description 是 Hub 自動產生的,所以想讓別處讀到你的一句話,就寫在 model card 第一段,同時放進官網頁。

哪些中繼資料欄位會出現在頁面和搜尋裡?

官方文件寫明:model card 頂部的 YAML 中繼資料「支援發現和使用」,可以用來在 huggingface.co/models 上過濾,也會顯示在模型頁。下面是文件裡寫到的欄位,以及我們在 gpt2 頁面上看到的對應顯示。

欄位官方文件說的作用寫法建議
license顯示在模型頁,可按授權過濾;自訂授權用 license: other 加 license_name、license_link必寫,用標準識別碼
language語言識別碼,按 Hub 的 Languages 頁的識別碼寫寫真實支援的語言
pipeline_tag任務類型,顯示在模型頁,可按任務過濾;transformers 模型會從 config.json 自動推斷,也可覆蓋非 transformers 模型必須自己寫
library_name指定函式庫;官方推薦顯式寫,自動偵測「不推薦」;2024 年 8 月後建立的倉庫不再預設當作 transformers寫明,如 transformers
tags自由標籤,顯示在頁面上寫使用者會搜的任務和領域詞,不堆無關詞
datasets頁面顯示 “Datasets used to train:” 並連結到 Hub 上的資料集有訓練資料就寫
base_model顯示基礎模型,可按基礎模型過濾;Hub 會推斷關係是 finetune、adapter、quantized 還是 merge微調、量化、合併的模型必寫

我們在 gpt2 頁面的原始 HTML 裡看到了這些中繼資料對應的標籤:Text Generation、Transformers、English、License: mit。該倉庫的 YAML 只寫了 language、tags 和 license,Text Generation 是 Hub 推斷出來的。AI 回答是否用這些欄位,沒有官方說明,未核實。

Space 的描述怎麼寫?

Space 頁的原始 HTML 裡沒有應用內容(應用在 iframe 裡),所以描述要靠 README 頭裡的欄位。官方文件(Spaces Configuration Reference)寫明:short_description 是對 Space 的一句話描述,顯示在 Space 的縮圖上;models 欄位列出用到的模型,不寫時會從程式碼裡自動解析。我們看到的沒寫 short_description 的 Space,meta description 是通用句子。

---
title: Ticket Triage Demo
emoji: 🎫
sdk: gradio
app_file: app.py
short_description: Paste a support ticket and get its category from Ticket Triage DistilBERT.
models:
- example/ticket-triage-distilbert
---
  1. 1. 寫 short_description

    一句話:貼上什麼,得到什麼,用的是哪個模型。

  2. 2. 在 README 頭裡寫 models

    讓 Space 頁和模型頁互相連結。

  3. 3. 模型頁回連 Space

    在 model card 裡寫「線上試用:Space 連結」。

  4. 4. 保持 Space 在執行

    我們抽樣的 zephyr-chat 頁面寫著 Paused,打開後只剩空殼。

要不要在自己官網寫一頁模型介紹?

要。Hugging Face 的頁面是平台的範本:meta description 自動產生,Space 頁沒有正文。官網上的一頁是你完全控制的版本,也讓 AI 在 Hugging Face 之外多一個來源。

  1. 1. 標題寫成問題

    例如「有沒有能自動給客服工單分類的開源模型?」,第一段直接答:Ticket Triage DistilBERT,66M 參數,英文,準確率和測試集。

  2. 2. 放一張規格表

    任務、參數量、語言、授權、訓練資料、指標、硬體需求。

  3. 3. 放可複製的使用程式碼

    幾行 Python,寫成文字,不用截圖。

  4. 4. 連到模型頁、Space 和 GitHub

    並在模型頁和 README 裡回連官網,三處說同一句話。

  5. 5. 寫明版本和日期

    模型更新後同步改。

一般的 AI 工具怎麼被推薦,見 AI 工具類產品怎麼被 ChatGPT 推薦?;GitHub README 的寫法,見 GitHub README 會被 AI 搜尋引用嗎?;README 以外的位置,見 開源專案怎麼被 AI 搜尋推薦?README 以外的 6 個地方。

常見問題

Hugging Face 擋 AI 爬蟲嗎?

2026-11-09 我們讀的 robots.txt 只有 User-agent: * 加 Allow: /,沒有點名 GPTBot、ClaudeBot 或 PerplexityBot。這只是 robots.txt 文字的判斷。

model card 的第一段會變成頁面描述嗎?

我們看到的不會:模型頁的 meta description 是自動產生的句式(任務加參數量),第一段在頁面正文裡。

哪些中繼資料最重要?

官方文件說中繼資料支援發現和過濾。至少填 license、language、pipeline_tag(非 transformers 模型)、library_name、tags,有資料集和基礎模型就填 datasets 和 base_model。

Space 頁能被爬蟲讀到什麼?

我們抽樣的 Space 頁,正文去掉腳本後只有幾百個字元,應用在 iframe 裡。要讓頁面有一句描述,在 README 頭裡寫 short_description。

AI 會引用 Hugging Face 的頁面嗎?

沒有官方說明,我們也沒有拿到實際引用的證據,未核實。

官網要不要再寫一頁?

建議寫。平台頁面的 meta description 是自動的,官網頁是你控制的版本,可以放規格表、使用程式碼和日期。

出處

kagentx

你的頁面,爬蟲讀得到嗎?
讓評測告訴你

評測檢查爬蟲能不能進、正文是否直出,再把買家的問題拿去問 ChatGPT、Perplexity、Claude(開連網搜尋),看有沒有提到你。基礎版 $1,一般 2–3 分鐘出結果。