HuggingFaceModelDownloader

不装 Python，一条命令拉取 HuggingFace 模型和数据集

HuggingFaceModelDownloader 是一个用 Go 编写的轻量命令行工具，专门用于从 HuggingFace 平台下载模型和数据集。它解决的核心问题是：官方 huggingface-cli 依赖 Python 环境，在纯 Go 项目、CI 流水线或容器镜像中引入 Python 会带来额外体积和依赖管理成本。该工具提供单一静态二进制，无需 Python 运行时即可完成下载，支持通过仓库名、分支、指定文件路径等方式拉取模型权重和数据集，并可配置并发下载、断点续传与代理，适合在服务器、Docker 构建流程和自动化脚本中快速获取大模型文件。相比 Python 方案，它启动快、依赖少、部署简单，尤其适合把模型下载嵌入到 Go 服务或轻量容器中。项目本身不涉及模型推理，只专注下载这一环节，定位清晰。

开源 free 基础设施

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 1185

维护状态活跃

是否开源是

定价模式 free

项目预览

项目数据

分类基础设施

开发团队bodaay

所属国家

官网地址

GitHubhttps://github.com/bodaay/HuggingFaceModelDownloader

定价模式free

价格说明开源免费工具，无付费计划

访问状态

是否开源是

开源协议Apache-2.0

主要语言Go

技术栈/模型golang,huggingface,llm,transformers

GitHub 星标★ 1185

30天Star增速

HF 下载量

上线时间2023-06-22 00:00:00

代码更新—

仓库体积—

本站数据更新—

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-10-04

浏览次数0

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

正在加载星标数据…

技术标签

使用教程

—

难度：入门约 10 分钟部署方式：命令行工具 6 步

环境要求

Linux/macOS 等支持 bash 与 curl 的环境
可访问 HuggingFace（国内网络可能需要配置代理）
如使用容器方式，需要已安装 Docker
无需 Python 运行时，工具为单一静态二进制

安装与启动步骤

1一键安装命令行工具

README 提供的一键安装脚本，会把 hfdownloader 安装到 /usr/local/bin，可能需要输入 sudo 密码。
```
bash <(curl -sSL https://g.bodaay.io/hfd) install /usr/local/bin
```
2下载模型文件

按仓库名:量化标签的格式下载，文件会保存到 ~/.cache/huggingface/，中断后重新执行同一命令会自动续传。
```
hfdownloader download TheBloke/Mistral-7B-Instruct-v0.2-GGUF:q4_k_m
```
3交互式挑选量化版本

不确定下哪个 GGUF 量化时用 -i 进入交互模式，方向键浏览、空格选择，界面会给出质量星级与显存占用估算。
```
hfdownloader analyze -i TheBloke/Mistral-7B-Instruct-v0.2-GGUF
```
4启动本地服务

运行 serve 启动本地服务（README 提到配套 Web UI），带认证时用 --auth-user 与 --auth-pass 传入账号密码。
```
hfdownloader serve --auth-user admin --auth-pass secret
```
5配置代理

在 ~/.config/hfdownloader.yaml 写入代理地址、账号密码与 no_proxy 白名单，适合公司内网环境。
```
mkdir -p ~/.config && vim ~/.config/hfdownloader.yaml
```

6Docker 方式运行

已装 Docker 时可直接用官方镜像，注意把本地 ~/.cache/huggingface 挂载进容器以复用缓存。

docker run --rm -v ~/.cache/huggingface:/home/hfdownloader/.cache/huggingface 
  ghcr.io/bodaay/huggingfacemodeldownloader download TheBloke/Mistral-7B-Instruct-v0.2-GGUF

关键配置

配置项	必填	说明	示例
`proxy.url`	否	代理服务器地址，走代理下载模型时填写	`http://proxy.corp.com:8080`
`proxy.username`	否	代理认证用户名，无认证可省略	`myuser`
`proxy.password`	否	代理认证密码，无认证可省略	`mypassword`
`proxy.no_proxy`	否	不走代理的地址白名单，逗号分隔	`localhost,.internal.com,10.0.0.0/8`

如何确认成功

下载完成后 ~/.cache/huggingface/ 下出现模型文件；hfdownloader serve 启动无报错即为成功。

常见问题

Q：下载中断了怎么办？

A：直接重新执行同一条 download 命令即可，工具支持自动断点续传，无需手动清理临时文件。

Q：下载的文件放在哪里？

A：默认保存到 ~/.cache/huggingface/，这是 HuggingFace 标准缓存目录，Python 相关库能自动找到这些文件。

Q：不知道该下载哪个 GGUF 量化版本？

A：用 analyze -i 进入交互选择器，界面会显示质量星级、显存估算，并推荐综合最优的 Q4_K_M。

Q：公司内网需要走代理怎么设置？

A：在 ~/.config/hfdownloader.yaml 中配置 proxy.url、username、password 与 no_proxy 即可。

Q：相比官方 huggingface-cli 有什么优势？

A：不需要 Python 运行时，单一二进制启动快、体积小，支持每文件最多 16 并发、最多 8 文件同时下载。

注意事项

安装脚本写入 /usr/local/bin 时可能提示输入 sudo 密码。
工具无需 Python 环境，适合纯 Go 项目、CI 流水线和容器镜像。
Docker 方式运行时务必挂载 ~/.cache/huggingface，否则每次都会重新下载。
analyze 不加 -i 时输出文本或 JSON，方便脚本解析。

核心亮点

纯 Go 静态二进制，无需 Python 环境即可下载模型和数据集
支持指定仓库、分支和具体文件，可只拉取所需权重，节省带宽
适合嵌入 CI/CD 和 Docker 构建流程，部署依赖极少

不足之处

功能相对单一，缺少缓存管理、模型校验等高级能力
相比官方 Python 工具，生态集成和文档丰富度有限

适用场景

在 Go 服务或容器镜像中自动下载模型权重
CI/CD 流水线中拉取模型用于测试或构建
无 Python 环境的服务器上快速获取 HuggingFace 数据集

替代项目

huggingface_hub、hf_transfer

项目介绍

HuggingFaceModelDownloader 是基础设施领域的开源项目，由 bodaay 开发，2023 年首次发布。

在全站 13,635 个收录项目中，它的 GitHub 星标数（1,185）位列前 30%，在基础设施分类中处于中上游。

项目目前处于活跃维护状态，最近一次代码更新于 2026-10-03。开源免费工具，无付费计划。

它主要面向的使用场景是：在Go服务或容器镜像中自动下载模型权重。同类可对比的替代方案包括 huggingface_hub、hf_transfer。

上一篇：WaLiAPI

下一篇：TensorFold