gpu
一行命令将本地任务无缝迁移至云端GPU运行
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：gpu。 它的用途是：一行命令将本地任务无缝迁移至云端GPU运行 完整的 Skill 内容见：https://321skill.com/skills/gpu/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
'我想微调一个LoRA模型，但本地没有GPU。'，它会引导你使用GPU CLI，或直接通过Claude Code插件生成包含 `gpu.jsonc` 配置和训练脚本的完整项目。
对AI说：'帮我设置一个私有的Llama 3.1 API服务。'，它会生成配置vLLM服务器并启动 `gpu run` 命令的详细工作流。
介绍
GPU CLI 解决了开发者和研究者本地GPU资源不足或配置繁琐的痛点，只需在原有命令前加上 gpu run 前缀，即可将计算密集型任务（如模型训练、推理）无缝迁移到云端GPU上执行，无需修改代码或处理复杂的云服务配置。
使用极其简单，安装后即可通过 gpu run python train.py 这样的命令启动远程GPU任务。它自动处理环境同步、文件传输和实时日志流，并提供连接池、空闲自动停机等优化功能，显著提升效率并降低成本。
该工具非常适合AI/ML工程师、全栈开发者、学术研究者以及任何需要进行大规模并行计算或深度学习实验的用户。无论是个人项目快速验证想法，还是团队协作进行模型开发与部署，都能从中受益。
建议初次使用时从简单命令开始，熟悉其工作流。对于成本敏感的项目，可以利用其内置的成本优化建议和多云支持，灵活选择最具性价比的GPU提供商。注意，它主要面向命令行工作流，不提供图形化界面。
核心特点
核心区别在于极致的易用性与成本控制的结合：仅需一个简单的前缀命令即可调用云端GPU，同时通过智能空闲检测自动停止计费，相比手动管理云实例或使用其他复杂CLI工具，能节省60-98%的GPU成本。
注意事项
不适合需要复杂图形界面交互或强实时图形渲染（如游戏）的场景。
常见问题
GPU CLI 支持哪些云服务商？
支持 RunPod、Vast.ai，也可在本地Docker中使用。
如何优化使用成本？
工具具备空闲自动停机功能，并可通过 `/gpu-cli:gpu-optimize` 命令获取GPU选型与配置优化建议。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/gpu/raw/index.md 读取 gpu 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/gpu/raw/index.md（查看排版版本）