00:00:00RunPod 刚刚推出了一款非常酷的新服务工具，名为 RunPod Flash。
00:00:04它的设计初衷是简化我们部署无服务器 GPU 函数的方式。
00:00:09传统上，将本地 Python 脚本迁移到云端 GPU 需要构建 Docker 镜像、
00:00:14配置环境、推送到注册表，并管理独立的部署过程。
00:00:19但 Flash 减轻了这一负担，它让你能够通过简单的装饰器
00:00:24将标准的 Python 函数转变为云端端点，并根据需求执行。
00:00:29在今天的视频中，我们将深入了解 RunPod Flash，看看它是如何运作的，
00:00:33并尝试亲手构建一个按需生成的 AI 视频生成器。
00:00:38这会非常有趣，让我们开始吧。
00:00:41RunPod Flash 的核心工作原理是完全抽象化基础设施层。
00:00:50与其由你来管理部署，Flash SDK 会自动打包你的代码和依赖项，
00:00:55然后将它们推送到托管的工作节点，该节点仅在函数运行时存在。
00:01:01它最出色的功能之一是自动环境同步。
00:01:04虽然我是在 Mac 上编写代码，但 Flash 处理了所有跨平台的繁重工作，
00:01:09确保在我点击运行的那一刻，每个库都能针对 Linux GPU 工作节点正确编译。
00:01:15随后它会为每个函数静默配置一个无服务器端点，
00:01:20这意味着你可以为每个专用任务获得独立的扩展和硬件，而无需触碰
00:01:26任何配置文件。但真正的魔力在于将这些函数集成到后端
00:01:31服务时。由于每个带装饰器的函数本质上都是一个实时 API 端点，你可以
00:01:36从 Web 应用、Discord 机器人或移动后端触发它们，且无需额外设置。
00:01:42这种架构非常适合扩展，因为你可以同时发起数十个并行任务。
00:01:48例如，如果有 10 个用户等待生成 AI 视频，Flash 只需启动 10 个
00:01:54独立的工作节点，并在任务完成后立即关闭所有节点。这样你就不必
00:01:59等待单个 GPU 完成整个队列。基础设施会根据你的流量
00:02:05自动增长或收缩。现在你可能会认为，像这样涉及
00:02:10不同硬件和数据的多阶段流水线，需要一个复杂的编排层。但在 Flash 中，
00:02:16它仅仅是将一个变量从一个函数传递到另一个函数。为了展示它的强大之处，
00:02:21我们将构建一个多阶段流水线。首先，我们将使用一个简单廉价的 CPU 工作节点
00:02:27来处理预处理。在这个案例中，我们将自适应地调整输入图像的大小。接着，
00:02:33我们将把这些数据（即调整大小后的图像）传递给高端的 RTX 5090 GPU，
00:02:41使用 Cog Video X 模型生成高保真视频。这确保了我们不会在图像缩放等
00:02:47简单任务上浪费顶级 GPU 的成本。我们只在需要重型计算的函数中
00:02:52调用它。首先，我们可以使用 UV 创建虚拟环境，然后添加 RunPod Flash，
00:02:59接着重新加载虚拟环境以确保其正常工作，确保环境
00:03:03路径变量已更新。然后你必须运行 "flash login" 来登录你的 RunPod 账号。
00:03:09之后，我们就可以开始设置实际的端点了。这里我有一个简单的 Python
00:03:14文件。如你所见，代码非常精简，它包含两个 Flash 端点。一个负责
00:03:19我之前提到的输入图像自适应缩放。在这里可以看到，
00:03:24它只是调用了一个图像缩放器并使用简单的 CPU。无需任何复杂操作，
00:03:31对于如此简单的图像处理，我们不需要复杂的东西。但在第二个端点，我们有自定义的视频
00:03:37生成流水线，我们会启动一个配备 RTX 5090 的专用 GPU 实例。并利用
00:03:43拥有 50 亿参数的 COG Video X 视频生成器，根据调整大小后的输入图像创建视频。
00:03:51现在我们可以看看运行时的效果。我们只需添加一张狗狗的图片，
00:03:57并提供我们将用于视频生成的提示词。如果我们现在回到
00:04:02RunPod 界面，可以看到有两个带有活跃队列的专用工作节点
00:04:07正在处理我们的图像和视频。我必须提一下，当你第一次运行这些端点时，
00:04:12你可能会发现流水线耗时相当长。这是因为 RunPod
00:04:17实际上正在安装所有依赖项并下载模型权重，但在此之后的
00:04:22每次连续运行都会快得多。现在让我们再等几秒钟，
00:04:28直到流水线运行结束。看，我们现在得到了漂亮的小输出视频。
00:04:33在 RunPod 的分析选项卡上，我们还可以跟踪部署次数、
00:04:39成功和失败的数量。同时，我们也能监控账单情况。这就是
00:04:43RunPod Flash 的概况。我真心觉得这是一个非常酷的功能，如果你正在
00:04:49构建任何需要重型按需 AI 处理任务（如图像生成、
00:04:56视频生成或繁重的文档分析等）的后端服务。但你对
00:05:01RunPod Flash 有什么看法？你觉得这个功能实用吗？你试过了吗？会去用吗？
00:05:06请在下方评论区告诉我们。朋友们，如果你喜欢这类技术解析，
00:05:10请点击视频下方的点赞按钮让我知道。也别忘了
00:05:15订阅我们的频道。我是来自 Betterstack 的 Andris，我们下期视频再见。