申请 Hugging Face 访问令牌：以 Meta-Llama-3.1-8B-Instruct 为例
在使用 Llama 系列模型时，部分模型属于受限访问（Gated Model），需要先通过协议审核才能获取权重文件。下面以 Meta-Llama-3.1-8B-Instruct 为例，梳理一下从申请权限到生成 Token 的完整流程。
一、确认是否需要申请权限
打开 Meta-Llama-3.1-8B-Instruct 模型页面。如果看到提示 You need to agree to share your contact information to access this model，说明该仓库需要授权。
二、提交访问申请
点击页面上的 Expand to review and access 按钮展开详情。将页面滚动到底部，勾选以下两项：
- 同意条款 (Agree to terms)
- 同意分享联系信息 (Agree to share contact info)
注意：Hugging Face 需要将你的联系信息共享给 Meta，用于许可证合规审查。
点击 Submit 后，通常几分钟内状态会更新。如果此时页面显示 You have been granted access，或者 Files and versions 列表正常加载，说明申请已通过。
审核状态查询
提交后并非立即生效，可以在个人中心查看进度：
- 点击右上角头像，进入 Settings。
- 选择 Gated Repositories 标签页。
- 找到对应的
Llama 3.1模型，查看 Request Status。
状态从 PENDING 变为 ACCEPTED 即表示拥有访问权限。
再次访问模型仓库，若顶部出现 Gated model You have been granted access to this model 字样，也代表权限已开通。
三、生成 Access Token
权限开通后，即可在设置中创建 API Token。
- 进入 Settings -> Access Tokens。
- 点击 New token。
- 填写 Token 名称，选择权限类型（Read/Write）。对于大多数推理场景，Read 权限通常足够；如需上传模型或修改配置，则需 Write。
- 点击 Generate token，复制生成的字符串并妥善保存。
四、使用建议
在实际开发中，建议将 Token 存储在环境变量中，避免硬编码在代码里。例如在 Python 脚本中使用 transformers 库加载模型时，只需传入 token=os.getenv("HF_TOKEN") 即可自动认证。
from transformers import AutoModelForCausalLM, AutoTokenizer
import os
token = os.getenv("HF_TOKEN")
model_id = "meta-llama/Meta-Llama-3.1-8B-Instruct"
tokenizer = AutoTokenizer.from_pretrained(model_id, token=token)
model = AutoModelForCausalLM.from_pretrained(model_id, token=token)
这样既能保证安全，也能方便地在不同环境间切换。如果遇到网络问题导致请求超时，请检查本地网络是否能稳定访问 Hugging Face 服务。