TensorFusion 文档GPU Go 概述
GPU Go 介绍 —— 像使用本机 GPU 一样使用远程 GPU。面向开发者、家庭实验室和团队的本地位优先 GPU 共享。
GPU Go 概述
GPU Go 是 TensorFusion GPU Go 的官方 CLI 与客户端。让你像使用本机 GPU 一样使用远程 GPU，适合在家、实验室或办公室共享 GPU 服务器。
口号： 「Local First. Bring GPU to You, Not You to GPU.」（本地位优先，把 GPU 带到你身边。）
可以把它理解为**「GPU 的 NFS」**：低延迟、易管理，多人通过 TensorFusion 虚拟化共享一台或几台 GPU 服务器，更省成本。
适用对象
- 个人开发者 — 在笔记本上使用远程 GPU，无需把代码迁到云端。
- 家庭实验室与学生 — 在多台机器、多个项目间共享一台 GPU 主机。
- 高校与实验室 — 通过简单链接让学生和研究人员共享实验室 GPU。
- 小团队 — 一台 GPU 服务器多人用，无需按席位的云账单。
工作方式
- GPU 主机：在带 GPU 的机器上运行 GPU Go Agent（
ggo agent）。Agent 向 TensorFusion 平台注册，并将 vGPU（虚拟化 GPU 单元）暴露给云端。 - 分享：在 控制台 或 CLI 中创建 分享链接（例如
https://gpu.tf/s/u7p47m），授权他人使用某个 vGPU。 - 你的机器：使用 CLI 或 VS Code 扩展 创建 Studio —— 一个本地的容器化环境（Docker、Colima、WSL 或 Apple Container），通过分享链接连接到远程 GPU。你在本地写代码、跑训练/推理，GPU 在远端执行。
总结：Agent 在 GPU 服务器上，Studio 在你的笔记本上，通过 分享链接 连接。
核心概念
| 概念 | 说明 |
|---|---|
| Agent（代理） | 运行在 GPU 主机上的守护进程。向平台注册、上报 GPU 信息并运行 vGPU。 |
| vGPU（虚拟 GPU） | 由 Agent 管理的虚拟化 GPU 分片。一台机器可有多个 vGPU。 |
| 分享链接 | 短链接或短码（如 u7p47m 或 https://gpu.tf/s/u7p47m），用于授权客户端使用指定 vGPU。 |
| Studio | 由 ggo studio create 创建的本地开发环境（容器）。通过分享链接连接远程 vGPU，并提供完整 AI/ML 栈（如 PyTorch、CUDA 库）。 |
功能特点
- 零摩擦 — 一条命令创建 Studio，即可使用远程 GPU。
- 成本友好 — 通过 TensorFusion 虚拟化，多人共享一台 GPU 服务器。
- 跨平台 — 支持 macOS（Apple Silicon/Intel）、Windows（WSL）与 Linux。
- 多种运行时 — Studio 支持 Docker、Colima、WSL 或 Apple Container（macOS 26+）。可用
ggo studio backends查看可用运行时。 - VS Code 集成 — 通过 GPU Go 扩展 管理 Agent、vGPU 与 Studio。
- 分享链接 — 把链接或短码发给队友，对方即可使用你的 GPU，无需接触服务器。
快速开始
1. 注册与控制台
在 TensorFusion 注册并登录。在控制台生成 Agent 安装令牌 和 个人访问令牌（PAT），供 CLI 与 VS Code 使用。
2. 在 GPU 主机上安装并运行 Agent
在带 GPU 的机器上执行：
# 一键安装（令牌见控制台）
curl -fsSL https://cdn.tensor-fusion.ai/archive/gpugo/install.sh | sh
# 或手动执行：
ggo agent register -t "<从控制台获取的 token>"
ggo agent start可在 控制台 查看接入进度与 vGPU 状态。
3. 创建分享链接（GPU 主机或控制台）
在控制台创建，或在 GPU 主机上执行：
ggo login # 使用控制台生成的 PAT
ggo share create将生成的链接（如 https://gpu.tf/s/u7p47m）或短码（如 u7p47m）用于下一步。
4. 在你的机器上使用 GPU（客户端）
方式一 — Studio（推荐）： 容器化环境 + SSH。
ggo login
ggo studio create my-project -s "https://gpu.tf/s/u7p47m"
ggo studio ssh my-project方式二 — 直接使用（仅 Linux 与 Windows）： 在当前环境中直接使用远程 GPU，无需容器。macOS 不支持。
ggo use u7p47m
# 或：ggo use https://gpu.tf/s/u7p47m
# 然后运行你的 Python/ML 任务，将使用远程 GPU。
# 清理环境：ggo clean 或 ggo clean --allCLI 速览
| 命令 | 用途 |
|---|---|
ggo login / ggo logout | 使用 PAT 登录/登出 TensorFusion。 |
ggo agent register / ggo agent start | 在 GPU 主机上注册并启动 Agent。 |
ggo worker | 在 GPU 主机上管理 Worker。 |
ggo share create / ggo share list | 创建或列出 Worker 的分享链接。 |
ggo studio create / ggo studio list / ggo studio ssh | 创建、列出或 SSH 进入 Studio 环境。 |
ggo use <短码或链接> | 仅 Linux/Windows。在当前环境使用远程 GPU；用 ggo clean 撤销。 |
ggo deps sync / ggo deps download | 同步并下载 GPU 库，供本机或 Studio 使用。 |
ggo studio backends | 列出可用容器运行时（Docker、Colima、WSL、Apple Container）。 |
VS Code 扩展
GPU Go 扩展提供与上述流程一致的图形界面：登录、创建 Studio、通过 SSH 连接、管理 Worker。可从 VS Code 市场 或 Open VSX 安装。
下一步
- Studio 详解 — 卷挂载、端口、资源限制与运行时：参见 gpu-go 仓库中的 Studio 使用指南。
- 故障排除 — 故障排除手册 与 Discord。
- 控制台 — TensorFusion 控制台 用于管理令牌、Agent 与分享链接。