# ML Intern

> Стажёр, который сам читает статьи, обучает модели и выкладывает их в прод

ML Intern — открытый ИИ-агент от Hugging Face: читает статьи, обучает и публикует ML-модели, пишет код с доступом к докам, датасетам и облачным вычислениям.

- Категории: Opensource, ИИ-агент, Инструменты разработчика
- Сайт сервиса: https://github.com/huggingface/ml-intern
- Карточка в каталоге: https://ailibri.com/ml-intern
- Обновлено: 2026-09-10

## Описание

ML Intern — открытый агент от Hugging Face, который работает как ML-инженер-стажёр: умеет разбирать статьи и документацию, искать нужное в датасетах, писать код, обучать модели и доводить их до публикации. Запускается как CLI-инструмент в терминале, опирается на экосистему Hugging Face и облачные вычисления. Подойдёт тем, кто уже работает с машинным обучением и хочет отдать агенту рутину — от файнтюна до тестов обучающего скрипта на GPU.

Ставится через git clone и uv, после установки команда ml-intern доступна из любой директории. Нужны два токена: HF_TOKEN для инференса и действий на Hub, GITHUB_TOKEN для работы с репозиториями. Если токен Hugging Face не задан, при первом запуске CLI сам попросит его вставить — кроме случая, когда стартуешь на локальной модели.

Режимов работы два. Интерактивный — обычная чат-сессия, где ты обсуждаешь задачу и подтверждаешь действия. Headless — один промпт с автоодобрением, вроде ml-intern "fine-tune llama on my dataset". Есть флаги на ограничение числа итераций, отключение стриминга и смену модели. Внутри сессии команда /model покажет список доступных моделей: Claude, GPT, а также то, что отдаёт HF Router — MiniMax, Kimi, GLM, DeepSeek. Хостинговый инференс списывается с активного аккаунта Hugging Face.

Локальные модели тоже поддерживаются, но через OpenAI-совместимые HTTP-эндпоинты и LiteLLM. Веса с диска агент сам не грузит — сначала поднимаешь свой inference-сервер, потом выбираешь модель с нужным префиксом:

- ollama/ — например, ollama/llama3.1:8b

- vllm/ — vllm/meta-llama/Llama-3.1-8B-Instruct

- lm_studio/ — lm_studio/google/gemma-3-4b

- llamacpp/ — llamacpp/llama-3.1-8b-instruct

Адрес задаётся переменными LOCAL_LLM_BASE_URL и LOCAL_LLM_API_KEY, при этом настройки конкретного провайдера (OLLAMA_BASE_URL, VLLM_API_KEY и прочие) перебивают общие.

По умолчанию инструменты агента — bash, read, write, edit — работают прямо в твоей файловой системе. Это удобно, когда нужно, чтобы он смотрел и правил файлы в текущем чекауте. Флаг --sandbox-tools переключит его на песочницу: агент создаст приватный HF Space, протестирует код удалённо и при необходимости запросит GPU перед запуском больших HF Jobs. Для песочницы HF_TOKEN обязателен, даже если сама модель локальная. Режим можно сделать дефолтным через конфиг в ~/.config/ml-intern/cli_agent_config.json.

Каждая сессия автоматически выгружается в твой приватный датасет на Hugging Face в формате Claude Code JSONL — HF Agent Trace Viewer его распознаёт, так что реплики, вызовы инструментов и ответы модели можно листать прямо на Hub. Датасет называется {твой-ник}/ml-intern-sessions и создаётся закрытым. Командой /share-traces переключишь видимость на публичную и обратно, а параметр share_traces: false отключит выгрузку совсем.

Из уведомлений есть односторонний шлюз в Slack: бот с правом chat:write напишет в канал, когда агенту нужно одобрение, когда он упал с ошибкой или закончил ход. Отвечать ему в Slack нельзя — только получать статусы. Набор событий, канал и сам факт включения настраиваются переменными окружения или JSON-конфигом.

Проект открытый, лежит на GitHub под аккаунтом huggingface и распространяется по лицензии Apache-2.0; код разложен по папкам agent, backend, frontend, configs и tests, есть Dockerfile. Через конфиг можно подключить свои MCP-серверы. Если не хочется ставить CLI, у Hugging Face есть отдельный режим ML Intern в HuggingChat.

## Похожие сервисы в каталоге

- [Hermes Agent](https://ailibri.com/hermes-agent): Hermes Agent — агент с открытым исходным кодом от NousResearch, который развивается вместе с вами. Поддержка инструментов, веб-исследований и автоматизации зада
- [Openclaw Infra](https://ailibri.com/openclaw-infra): Openclaw Infra - Docker-инфраструктура для запуска AI-агентов OpenClaw с поддержкой Telegram. Простое развертывание нескольких агентов на одном сервере.
- [Kimi API Platform](https://ailibri.com/kimi-api-platform): Kimi K3 — флагманская модель с 2,8 трлн параметров, контекстом 1M токенов, поддержкой изображений и видео, Tool Calling. API для кодинга и работы со знаниями.
- [DeepSeek Harness](https://ailibri.com/deepseek-harness): Открытый agent harness с плагинной архитектурой, веб-интерфейсом, запуском через npm или из исходников, бесплатной лицензией MIT.
- [Claude Commerce Agents](https://ailibri.com/claude-commerce-agents): Открытый референсный репозиторий Anthropic: каркас покупательского и торгового агентов на Claude, четыре демо-вертикали и плагин для Claude Code.
- [Agent Plugins](https://ailibri.com/agent-plugins): Открытый формат упаковки плагинов для AI-агентов: манифест plugin.json, Agent Skills, MCP-серверы и клиентские расширения. Спецификация 1.0.0 и JSON-схемы.

---
Источник: AILibri — каталог нейросетей и ИИ-инструментов, https://ailibri.com