pget

pget是由知名AI/ML平台Replicate开发并开源的高性能文件下载工具，专为解决大文件下载效率瓶颈而设计。该Skill提供了完整的使用指南，涵盖单文件下载、tar归档内存解压以及批量文件下载三大核心场景。

核心用法
作为curl/wget的现代替代品，pget通过并行分块技术显著提升下载速度。对于单个大型文件，用户只需执行pget <url> <dest>即可利用多线程分块下载；配合-x参数，工具可在下载tar归档文件时直接在内存中解压，避免写入临时磁盘文件；针对批量下载需求，用户可通过manifest文件列出多个URL与目标路径，实现一站式批量获取。

显著优点
pget的最大优势在于其智能并行架构，自动将大文件切分为多个chunk并发下载，充分利用带宽资源。内存解压功能对于AI/ML场景尤为实用，可直接将模型权重或数据集加载至工作目录而无需中间存储。工具支持HTTP(S)、S3、GCS等多种协议，且提供丰富的调优参数（如--concurrency、--chunk-size），允许用户根据网络环境精细化控制下载行为。此外，作为纯文档型Skill，其使用零门槛，命令行接口简洁直观。

潜在缺点与局限性
尽管功能强大，pget仍存在一定局限。首先，工具不支持身份验证机制，无法处理需要API密钥或OAuth的私有资源。其次，作为专用下载工具，其功能相对单一，缺乏下载后的自定义处理流水线。用户需手动从GitHub Releases或Homebrew安装二进制文件，增加了环境准备步骤。此外，对于小文件下载，分块带来的开销可能反而降低效率。

适合的目标群体
该工具特别适合AI/ML工程师、数据科学家、DevOps运维人员以及需要频繁处理大文件下载的开发者。对于需要从公共存储（如Hugging Face、AWS S3）下载模型权重、数据集或容器镜像的用户，pget能提供数倍于传统工具的下载体验。同时，CI/CD流水线中需要高效获取依赖资源的场景也极为适用。

使用风险与注意事项
使用pget需注意以下风险：使用--force参数会直接覆盖现有文件，操作前务必确认目标路径；过高的并发设置（--concurrency）可能导致源服务器限流或IP被封禁，建议根据服务端 tolerance 合理配置；虽然Skill本身为纯文档无执行风险，但安装pget二进制时请严格验证来源（仅使用官方GitHub Releases或Homebrew）；网络不稳定环境下，建议适当增加--retries次数以避免下载中断。