指南 · Hugging Face

Hugging Face 上的模型和 Space 怎么被 AI 推荐?

更新于 2026-11-09 · kagentx

短答案

把 model card 第一段写成一句可核对的事实(什么模型、做什么、多大、在什么数据上、一个指标),把 license、pipeline_tag、language、base_model 等元数据在 YAML 头里填全,Space 写 short_description,再在自己官网放同一句话。2026-11-09 实测:huggingface.co 的 robots.txt 对所有爬虫 Allow /,模型页的 model card 正文直接在原始 HTML 里,但 meta description 是自动生成的句式;Space 页的 HTML 几乎没有正文。AI 回答是否引用 Hugging Face 页面,没有官方说明,我们未核实。

Hugging Face 拦 AI 爬虫吗?页面正文在原始 HTML 里吗?

不拦。2026-11-09 我们用 curl 读了 huggingface.co/robots.txt:只有一组 User-agent: * 加 Allow: /,没有点名 GPTBot、ClaudeBot 或 PerplexityBot。再各取一个模型页和 Space 页看原始 HTML:模型页的 model card 正文直接在 HTML 里;Space 页的 HTML 里几乎只有标题栏,应用本身在 iframe 里运行。

页面我们看到的(2026-11-09)对你意味着什么
robots.txtUser-agent: * / Allow: /,加 sitemap;没有点名 AI 爬虫按文字读,三个爬虫都可抓
模型页 openai-community/gpt2HTTP 200,约 243KB;正文含 model card 第一段、标签(Text Generation、English、License: mit)和使用代码;meta description 是自动句式“Text Generation model with 0.1B parameters. Download, explore files and run it on Hugging Face.”model card 的文字爬虫读得到;但 meta description 不是你写的第一段
模型页 google-bert/bert-base-uncased同样直出;meta description 同一句式:“Fill-Mask model with 0.1B parameters…”自动句式只含任务和参数量
Space 页 gradio/hello_worldHTTP 200,约 34KB;正文去掉脚本后只有约 142 字符;meta description 是通用句“Discover amazing ML apps made by the community”;有 WebApplication 的 JSON-LDSpace 的页面本身不告诉爬虫它做什么,除非你写了 short_description
Space 页 HuggingFaceH4/zephyr-chatmeta description 是一段具体的话,但它的 README 头里没有 short_description,来源我们没查到;正文写着 Space 已暂停暂停的 Space 页只剩一个空壳,未核实描述从哪来

这只是 robots.txt 文字和我们自己的请求,不是 AI 爬虫真实取到的内容。爬虫是否执行脚本,见 AI 爬虫会执行 JavaScript 吗?;爬虫规则见 AI 爬虫的 robots.txt 怎么写?。

model card 第一段怎么写?

官方文档(2026-11-09 读)说 model card 对“可发现、可复现、可分享”很重要,应描述模型本身、预期用途和局限(包括偏见)、训练参数、训练数据集和评测结果。第一段是页面里最先被读到的文字,我们建议只放事实:这是什么模型、做什么任务、多大、什么语言、在什么数据上微调、一个能核对的指标。

不好的写法好的写法
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写成模型是什么:Ticket Triage DistilBERT
指标“比同类更准”写数据集、指标名和数字,并说明这个数字是你自己测的
局限不写写已知不适用的情况:只支持英文、训练数据的时间范围
许可证只写在文件里同时写进 YAML 头的 license 字段,页面会显示并可过滤
---
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.

第一段之后,建议依次放:怎么用(几行代码)、训练数据和过程、评测结果表、局限与偏见。页面的 title 和 meta description 是 Hub 自动生成的,所以想让别处读到你的一句话,就写在 model card 第一段,同时放进官网页。

哪些元数据字段会出现在页面和搜索里?

官方文档写明:model card 顶部的 YAML 元数据“支持发现和使用”,可以用来在 huggingface.co/models 上过滤,也会显示在模型页。下面是文档里写到的字段,以及我们在 gpt2 页面上看到的对应显示。

字段官方文档说的作用写法建议
license显示在模型页,可按许可证过滤;自定义许可证用 license: other 加 license_name、license_link必写,用标准标识符
language语言标识,按 Hub 的 Languages 页的标识符写写真实支持的语言
pipeline_tag任务类型,显示在模型页,可按任务过滤;transformers 模型会从 config.json 自动推断,也可覆盖非 transformers 模型必须自己写
library_name指定库;官方推荐显式写,自动检测“不推荐”;2024 年 8 月后创建的仓库不再默认当作 transformers写明,如 transformers
tags自由标签,显示在页面上写用户会搜的任务和领域词,不堆无关词
datasets页面显示 “Datasets used to train:” 并链接到 Hub 上的数据集有训练数据就写
base_model显示基础模型,可按基础模型过滤;Hub 会推断关系是 finetune、adapter、quantized 还是 merge微调、量化、合并的模型必写

我们在 gpt2 页面的原始 HTML 里看到了这些元数据对应的标签:Text Generation、Transformers、English、License: mit。该仓库的 YAML 只写了 language、tags 和 license,Text Generation 是 Hub 推断出来的。AI 回答是否用这些字段,没有官方说明,未核实。

Space 的描述怎么写?

Space 页的原始 HTML 里没有应用内容(应用在 iframe 里),所以描述要靠 README 头里的字段。官方文档(Spaces Configuration Reference)写明:short_description 是对 Space 的一句话描述,显示在 Space 的缩略图上;models 字段列出用到的模型,不写时会从代码里自动解析。我们看到的没写 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. 写 short_description

    一句话:粘贴什么,得到什么,用的是哪个模型。

  2. 2. 在 README 头里写 models

    让 Space 页和模型页互相链接。

  3. 3. 模型页回链 Space

    在 model card 里写“在线试用:Space 链接”。

  4. 4. 保持 Space 在运行

    我们抽样的 zephyr-chat 页面写着 Paused,打开后只剩空壳。

要不要在自己官网写一页模型介绍?

要。Hugging Face 的页面是平台的模板:meta description 自动生成,Space 页没有正文。官网上的一页是你完全控制的版本,也让 AI 在 Hugging Face 之外多一个来源。

  1. 1. 标题写成问题

    例如“有没有能自动给客服工单分类的开源模型?”,第一段直接答:Ticket Triage DistilBERT,66M 参数,英文,准确率和测试集。

  2. 2. 放一张规格表

    任务、参数量、语言、许可证、训练数据、指标、硬件要求。

  3. 3. 放可复制的使用代码

    几行 Python,写成文本,不用截图。

  4. 4. 链到模型页、Space 和 GitHub

    并在模型页和 README 里回链官网,三处说同一句话。

  5. 5. 写明版本和日期

    模型更新后同步改。

一般的 AI 工具怎么被推荐,见 AI 工具类产品怎么被 ChatGPT 推荐?;GitHub README 的写法,见 GitHub README 会被 AI 搜索引用吗?;README 以外的位置,见 开源项目怎么被 AI 搜索推荐?README 以外的 6 个地方。

常见问题

Hugging Face 拦 AI 爬虫吗?

2026-11-09 我们读的 robots.txt 只有 User-agent: * 加 Allow: /,没有点名 GPTBot、ClaudeBot 或 PerplexityBot。这只是 robots.txt 文字的判断。

model card 的第一段会变成页面描述吗?

我们看到的不会:模型页的 meta description 是自动生成的句式(任务加参数量),第一段在页面正文里。

哪些元数据最重要?

官方文档说元数据支持发现和过滤。至少填 license、language、pipeline_tag(非 transformers 模型)、library_name、tags,有数据集和基础模型就填 datasets 和 base_model。

Space 页能被爬虫读到什么?

我们抽样的 Space 页,正文去掉脚本后只有几百个字符,应用在 iframe 里。要让页面有一句描述,在 README 头里写 short_description。

AI 会引用 Hugging Face 的页面吗?

没有官方说明,我们也没有拿到实际引用的证据,未核实。

官网要不要再写一页?

建议写。平台页面的 meta description 是自动的,官网页是你控制的版本,可以放规格表、使用代码和日期。

出处

kagentx

你的页面,爬虫读得到吗?
让评测告诉你

评测检查爬虫能不能进、正文是否直出,再把买家的问题拿去问 ChatGPT、Perplexity、Claude(开联网搜索),看有没有提到你。基础版 $1,一般 2–3 分钟出结果。