改一版代码就重建演示，Hugging Face Spaces 把 AI Demo 放到网上

一份模型演示在自己电脑上能用，交给别人时还需要安装依赖、找到入口，再同步下一版代码。Hugging Face Spaces 提供了一条托管路径：把演示放进Git仓库，提交后由平台构建，读者通过应用地址试用。

它适合已经有Demo的人。当前官方总览说明，创建Gradio或Docker等计算型Space通常需要相应付费计划，部分个人账号有ZeroGPU例外；静态Space的条件不同。不能沿用“所有模型演示都能无限免费托管”的印象。

一份仓库，就是一份演示的版本

创建Space时选择Gradio、Docker或静态HTML等SDK路径。代码保存在Git仓库里，每次推送新提交，Space会自动重建和重启。

这让“发给别人什么”变得清楚：不是本地某个未记录的脚本副本，而是一份有提交历史的应用。调整输入组件、更新依赖或换模型配置，都可以回到对应代码版本。

应用能否成功启动，仍取决于依赖、硬件与模型准备。代码构建通过，也不证明演示的答案准确；托管交付和模型效果需要分别判断。

Spaces把public、protected与private分开。public允许别人查看源码、使用应用并克隆；protected隐藏源码，但运行中的应用仍可通过相应地址公开访问；private则同时限制代码与应用访问。

因此，想把内部模型演示只交给指定协作者，不能因为源码不可见就默认访问范围已经收窄。protected也有对应计划条件，应按希望分享的对象来选，而不是只看名字里的“保护”。

复制一个演示时，公开变量可以自动带过去，secrets不会自动复制。对于需要模型API的后端Demo，接手者要在自己的设置中补齐凭据；仓库能克隆，不代表所有外部服务也一并可用。

存储说明指出，默认磁盘是临时的，重启或停止后内容会丢失。若演示生成报告、保存用户提交材料，不能把容器里的某个文件路径当成长期下载地址。

当前文档推荐将Storage Buckets挂成卷，按指定路径读写持久数据。模型、数据集等仓库也能以只读卷形式挂载，作用与可写成果目录不同。

这些选择最终服务的是同一个目标：别人打开的演示，有可追溯代码、明确访问范围，以及不会随一次重启悄悄消失的必要产物。Spaces提供托管入口，模型许可、API费用与数据处理方式仍属于演示本身需要交代的条件。