Hugging Face Spaces 入門指南：Gradio, Docker 與 Static SDK 全解析
深入了解 Hugging Face Spaces 的三種核心 SDK：Gradio、Docker 與 Static，幫助開發者根據需求選擇最適合的 AI 應用部署方案。
在 Hugging Face Spaces 中，選擇不同的 SDK (Software Development Kit) 決定了你應用的運行環境、開發難度以及自由度。這篇文章將詳細拆解 Gradio、Docker 與 Static 三者的差異，並介紹其底下的模板功能。
1. 三種 SDK 的主要差異
選擇 SDK 時，最核心的考量點在於：你需要多少自由度？ 以及 你的前端開發能力如何？
| 特性 | Gradio | Docker | Static |
|---|---|---|---|
| 主要用途 | 快速建立機器學習模型 Demo。 | 部署複雜應用、自定義環境、非 Python 語言。 | 部署純網頁（HTML/JS/CSS）或客戶端運算。 |
| 開發難度 | 低。只需幾行 Python 代碼。 | 高。需撰寫 Dockerfile 並管理環境。 | 中。取決於前端開發能力。 |
| 靈活性 | 較低。受限於 Gradio 組件。 | 最高。可安裝任何軟體與資料庫。 | 中。僅限前端，無伺服器端邏輯。 |
| 啟動速度 | 快。 | 較慢（需要編譯 Image）。 | 極快。 |
2. 模板 (Template) 選項詳細說明
模板是官方提供的腳手架，能幫你預填好基礎架碼，讓你不用從零開始。
### Gradio 模板 (適合 AI 工程師)
- Blank: 空白項目，適合從頭寫自己的
app.py。 - chatbot: 預設好對話界面，適合串接 LLM (如 Llama, GPT) 做聊天機器人。
- text-to-image: 適合展示圖像生成模型，包含輸入文字框與圖片展示區。
- leaderboard: 用於製作模型排名榜單，常搭配 Hugging Face Dataset 使用。
- Trackio: 用於監控或追蹤模型實驗數據。
### Docker 模板 (適合全端開發者)
Docker 是「萬能」的選項，只要能打包進容器的都能跑。
- Streamlit: 靈活的數據應用框架，透過 Docker 運行更穩定。
- JupyterLab: 直接在 Space 開啟一個線上筆記本環境，方便線上調參。
- ChatUI: Hugging Face 官方開源的聊天界面，視覺效果最接近 ChatGPT。
- Argilla / LabelStudio: 專門用於數據標注（Data Labeling）的專業工具。
- Shiny (R/Python): 統計學家愛用的交互式網頁框架。
- Langfuse / ZenML: 針對 AI 工作流與 MLOps 的管理工具。
### Static 模板 (適合前端開發者)
- Blank: 純
index.html網頁。 - Paper Project: 學術論文發表專用模板，展示影片、PDF 與實驗成果。
- Gradio-Lite: 利用 WebAssembly (Wasm) 在瀏覽器運行 Python，不消耗伺服器算力。
- Transformers.js: 直接在瀏覽器用 JavaScript 跑模型，隱私度最高。
- React / Vue / Svelte: 提供熱門前端框架環境，適合開發複雜的 Web App。
3. 我該如何選擇？使用情境建議
您可以根據您的目標對號入座：
- 快速展示模型：選擇 Gradio。這是最快讓別人玩到你模型的方法。
- 打造精美產品介面：選擇 Docker + ChatUI，能提供最專業的用戶體驗。
- 環境高度自定義：如果你的應用需要 C++ 編譯套件或特定 Linux 依賴，請選 Docker。
- 個人履歷或論文頁面：選擇 Static + Paper Project，穩定且免費。
- 追求「零成本」運行：選擇 Static + Gradio-Lite，運算完全發生在使用者的瀏覽器，完全不怕多人同時連線。
下一步：您可以先從 Gradio 的 Blank 模板開始嘗試，僅需一個
app.py檔案，就能啟動您的第一個 AI 應用！