shashankh3/RadeonShift-AI

### 🚀 RadeonShift AI：项目概述 RadeonShift AI 是一个感知架构的 CUDA 迁移和审计平台，并在支持的环境中提供可选的 ROCm 硬件验证。系统使用专门的 Mixture of Agents (MoA) pipeline 来翻译语法，并针对目标 AMD Instinct 硬件（例如 MI300X）的底层架构假设（如 warp 大小和内存模型）提供深入的审计指导。 ### 🏗️ 系统架构与技术栈 该平台分为具有 serverless 翻译功能的、高度响应的 Web 前端，以及用于实时硬件执行的 bare-metal Python 后端。 **1. 前端 Web 应用程序** * **框架：** Next.js 14 App Router (React) * **样式：** Tailwind CSS 结合定制的毛玻璃“AMD 红”赛博美学。 * **核心组件：** * **SourceEditor.tsx：** 输入暂存区，工程师在此粘贴原始的 CUDA C++ kernel。 * **TargetWorkspace.tsx：** 中央仪表板，包含翻译后的 HIP C++ 源码、详细说明就绪情况和 wavefront 优化的 MoA 审计记分卡，以及硬件遥测数据。 * **CostCalculator.tsx：** 动态业务影响模块，通过对比手动工程工时与自动化 AI 计算时间来计算 ROI。 **2. Edge 翻译引擎（Next.js 与 Serverless AI）** 核心翻译 pipeline 运行在 Vercel Edge 网络上，使用由 DeepSeek-V4-Flash（通过 Fireworks AI）驱动的专用 Mixture of Agents (MoA)。 * **严格的 Prompt 工程：** LLM 受到严格限制，必须遵守 11 条不可变规则，强制其动态处理 AMD 的 64 宽 wavefront，替换 NVIDIA 特有的 intrinsic，映射 `HIP_SYMBOL`，并清理未使用的内存分配。 * **Serverless 超时绕过：** 深度 AI 推理需要时间。为了绕过严格的 serverless 执行限制，该路由利用了自定义的 `ReadableStream` 代理。它在 25 秒的 Edge runtime 窗口内开始流式响应，从而确保长时间的翻译响应仍可成功交付。 **3. Bare-Metal 硬件后端（Python 与 FastAPI）** 虽然前端负责语法映射和 AI 审计，但执行环境位于专为启用 ROCm 的 bare-metal 实例设计的 Docker 化 FastAPI 服务器上。 * **可信 Kernel 编译：** 平台采用可信的、标准化的向量加法（vector-add）基准测试，使用 `hipcc` 动态编译，并通过子进程在主机 AMD GPU 上执行，以验证编译器工具链。 * **硬件遥测：** 它直接挂钩 `rocm-smi` 以轮询实时硬件状态（GPU 名称、VRAM 使用情况），并通过干净的 JSON payload 将验证后的计算吞吐量 (GB/s) 直接返回至 Next.js 仪表板。 ### 🛡️ 确定性降级与回退 * **环境感知回退：** 如果部署在没有 ROCm 工具或无法访问 AMD GPU 的主机上，后端会透明地报告硬件验证不可用，同时保持所有前端翻译和 AI 审计流程完全正常运行。 * **兼容性回退：** 如果主 AI 翻译路径失败或产生幻觉，系统将回退至轻量级的启发式语法转换路径。这确保了应用程序保持响应，而不会伪造硬件验证，并将原始 LLM 输出注入审计日志以供人工工程审查。 ### ✨ 功能 * **CUDA 到 HIP 的翻译：** 自动映射内存 API、grid 启动和语法。 * **Mixture of Agents (MoA) 审计：** 针对 AMD Instinct 架构特性（例如 64 宽 wavefront）的深度分析。 * **硬件验证（Bare-metal）：** 可选的实时 ROCm 编译和基准测试执行，以验证工具链。 * **成本与 ROI 计算器：** 内置模块，用于预测节省的工程工时与计算成本的对比。 * **降级回退：** 稳健的离线和本地开发处理，明确报告硬件不可用，而不是进行模拟。 ### 🛠️ 设置与安装 1. **克隆代码仓库：** git clone cd "RadeonShift AI" 2. **环境变量：** 将 `.env.example` 复制到 `.env` 并填入您的 `FIREWORKS_API_KEY`。 cp .env.example .env 3. **前端（Next.js）：** npm install npm run dev 4. **后端（FastAPI - 可选）：** cd backend pip install -r requirements.txt uvicorn api.main:app --host 0.0.0.0 --port 8000 ### 📸 截图 *（在此处添加您应用程序的截图，例如编辑器、遥测仪表板和 MoA 审计结果）* 

标签：DevSecOps, DLL 劫持, 上游代理, 人工智能, 代码迁移, 大语言模型, 异构计算, 用户模式Hook绕过, 自动化攻击, 请求拦截, 逆向工具