HuggingChat 社群工具發布

Hugging Face 已發布 HuggingChat 的社群工具，使用者可以將任何公開的 Hugging Face Space 轉換為模型可直接呼叫的功能工具。此更新將 HuggingChat 的能力擴展至新模態，包括圖像理解、影片生成與文字轉語音。

整合公開 Space 為工具

使用者只需在 HuggingChat 工具建立介面中提供 Space 的 URL，即可將任何公開的 Hugging Face Space 轉換為工具。當輸入 URL 後，系統會自動填入可用的函式與參數。為確保最佳效能，使用者必須設定三個關鍵欄位：

• Tool Description: 簡潔的說明，傳遞給 LLM 用以描述工具的目的。
• AI Function Name: 簡短、唯一且具說明性的名稱，作為程式碼函式的代表。
• Arguments: LLM 可填寫的參數，分為 Required（必填）、Optional（有預設值但可覆寫）或 Fixed（模型無法變更的固定值）。

使用 Python 與 Gradio 建立自訂工具

自訂工具可使用基本的 Python 與 Gradio 函式庫建構。流程包括在 Hugging Face 上建立一個公開的 Gradio Space（可在免費的 CPU Basic 級別執行），並部署 app.py 檔案。

舉例而言，可透過定義一個根據指定面數返回隨機整數的函式，實作擲骰子工具。Gradio Space 部署完成後，可使用與公開 Space 相同的工具建立流程將其連結至 HuggingChat。Hugging Face 表示，可在同一個 Space 中託管多個函式，以簡化工具管理。

透過工具整合強化 AI 助手

社群工具可於工具頁面全域啟用，或整合至特定的 AI 助手。當使用支援工具的模型建立新助手時，使用者可選擇並新增最多三個不同的工具。

系統指示可用來指導模型何時以及如何使用這些整合的工具。例如，可將「遊戲主持人」助手配置同時具備圖像生成與擲骰子工具，以增強角色扮演互動。

為私人文件實作 RAG 工具

為了支援檢索增強生成（RAG），Hugging Face 提供了 RAG 工具範本 Space。使用者可將範本 Space 複製到自己的帳號，並將欲解析的文件上傳至 sources/ 資料夾。Space 啟用後，即會轉換為 HuggingChat 工具，讓模型能根據使用者的特定文件回答問題。