AI、オープンツール、人間の監視でhuggingface_hubを毎週リリース

Hugging Faceチームは、huggingface_hubのリリースプロセスをAIとオープンソースツールを用いて刷新し、リリースサイクルを4〜6週間から毎週に短縮しました。huggingface_hubはHugging FaceエコシステムのPythonクライアントであり、transformers、datasets、diffusers、sentence-transformersなど多くのライブラリが依存しています。以前のプロセスは部分的に自動化されていましたが、手作業が多く、リリースごとに半日を要していました。新しいプロセスは単一のGitHub Actionsワークフローに基づき、手動でトリガーされ、リリースタイプ（マイナープリリース、マイナーリリース、パッチリリース）を選択するだけです。

ワークフローは順に、準備（バージョン計算、ブランチ作成）、PyPIへの公開、リリースノート生成、下流テストブランチの作成、Slack通知の生成、ノートのアーカイブ、リリース後のバンプ、マージされたPRへのコメント、CLIドキュメントの同期、ステータス報告を実行します。リリースノートとSlack通知の初稿はAIモデル（現在はGLM-5.2）が生成しますが、人間がレビューし編集します。

正確性を確保するため、「信頼するが検証する」ループを実装しました。AIがノートを生成する前に、そのリリースに含まれる全PR番号を決定論的に抽出し、モデル出力後、欠落や余分なPRがないかチェックします。不一致があればモデルに修正を指示し、完全に一致するまで繰り返します。また、モデルはPRの実際のドキュメント差分も参照し、APIの誤った説明を防ぎます。

セキュリティ面では、PyPIのTrusted Publishing（OIDCトークン）とSigstoreの証明書を使用し、長期トークンを不要としました。エージェントランタイム（OpenCode）はバージョン固定とSHA256チェックを行います。コストは約0.25ドルと非常に低く、AI初稿と人間編集版を保存してスキル改善に活用しています。

実際の効果として、リリース頻度向上、ノート品質改善（初稿があるためレビューは編集に集中）、問題の早期発見（各候補版で下流テスト）、コントリビューターのフィードバックループ短縮が挙げられます。プロセス全体はオープンソースで構成され、他のメンテナがそのまま流用できます。