Papers with Code 是科研人员常用的论文与代码资源平台，其搜索功能背后依赖 Hugging Face 提供的多项基础设施。本文介绍了 Hugging Face Inference Endpoints、Jobs 和 Buckets 这三个组件如何协同工作，支撑起对海量论文和代码的快速检索。Inference Endpoints 负责执行模型推理，帮助理解查询意图；Jobs 处理异步任务，如索引更新和数据清洗；Buckets 则用于存储大规模数据，确保系统的高可用性。这一架构展示了机器学习平台在工程层面如何应对真实场景下的性能与扩展挑战，也体现了 Hugging Face 不止于模型托管，更在构建完整的 AI 基础设施生态。对于关注 ML 系统设计的读者来说，这篇文章提供了一个具体的生产环境案例，值得一看。