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（腾思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://go.gpu.tf/s/abc123），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 abc123 或 https://go.gpu.tf/s/abc123），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://go.gpu.tf/s/abc123）或短码（如 abc123）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://go.gpu.tf/s/abc123"
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 abc123
# 或：ggo use https://go.gpu.tf/s/abc123
# 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。