个人开发者实战：从0到1手搓局域网 GPU 算力共享平台，并成功上架微软商店
前言：为什么要做这个项目？
作为一个全栈独立开发者，我手头有一台带 RTX 3060 的主机。平时除了跑跑本地大模型、做做 AI 漫剧，大部分时间它的算力都在闲置。而另一边，很多高校学生、小型工作室在跑深度学习、ComfyUI 出图时，却因为云端 GPU 太贵而发愁。
于是，我萌生了一个想法：能不能做一个局域网内的“算力 Airbnb”？让闲置的显卡安全地共享给同网段的开发者使用。
经过几周的爆肝开发，这个名为 「算力集市 (Compute Bazaar)」 的项目不仅跑通了完整的业务闭环，还成功打包上架了微软商店。今天把开发过程中的架构设计与踩坑经验分享给大家。
开源地址：https://gitee.com/tianyeHome/compute_bazaar （已采用 Apache-2.0 协议开源）
技术栈：Flutter (GetX + MVVM) + Python FastAPI + Docker + WSL2
一、核心功能与技术架构
为了保证安全性和极客感，平台采用了“双模式”设计：租客模式和出租模式。
🛠️ 整体架构
- 前端：Flutter + GetX + MVVM (Monorepo 架构)，打包为 Windows 桌面端 MSIX。
- 后端：Python FastAPI +
pynvml(硬件监控) + SQLite (任务持久化)。 - 通信：UDP 广播 (局域网节点发现) + HTTP REST (指令下发) + SSE (实时监控流)。
- 隔离环境：Docker 容器。
✨ 四大核心亮点
- 局域网秒级发现：无需公网 IP，基于 UDP 广播自动发现同网段节点。
- Docker 沙盒隔离：所有任务在容器中执行，绝对保护房东的宿主机安全。
- 受控任务包 (YAML)：支持自定义 YAML 定义镜像和命令，严格过滤特权模式。
- 虚拟算力点计费：不碰真实资金，通过心跳与时间片机制，精准计算消耗的“算力点”。
二、硬核踩坑实录（技术干货）
在开发过程中，我遇到了几个极其棘手的技术难点，这里重点复盘一下：
1. WSL2 下的 Docker GPU 透传（地狱难度）
为了让 Windows 用户能通过 Docker 隔离任务，必须让 WSL2 里的 Docker 能够使用宿主机的 NVIDIA 显卡。
- 踩坑：一开始试图在 WSL2 里装 K8s 和 HAMi 做显存切片，结果遇到了致命的
unresolvable CDI devices和 cgroups 格式错误。因为 WSL2 的 GPU 透传机制（/dev/dxg）与原生 Linux 完全不同。 - 解决：放弃复杂的硬切片，改用 Docker 原生 CDI 模式。将
nvidia-container-runtime配置为cdi，并手动修补 CDI spec 文件，注入libdxcore.so。最终成功实现了“单卡多容器”共享。
2. 幽灵 IP 与 UDP 发现
在局域网广播时，经常扫出 172.25.xxx.xxx 这样的幽灵节点。
- 踩坑：Python 在获取本机 IP 时，优先拿到了 WSL 虚拟网卡的 IP，导致前端连不上。
- 解决：废弃传统的遍历网卡方式，改用最稳健的 UDP 路由探测法（向
8.8.8.8发送 UDP 包获取出口 IP），完美避开了所有虚拟网卡。
3. 动态 YAML 任务包与安全校验
如果让用户随便传 YAML，会有严重的安全隐患。
- 解决：后端引入
PyYAML和Pydantic，在接收 YAML 时做三层校验：语法校验 -> 必填字段校验 -> 安全拦截（直接拦截privileged: true和挂载C:/盘的特权操作）。只要校验不通过，直接打回。
4. 自动化拉起与心跳防误判
用户点击“开启服务”时，Flutter 需要自动静默拉起 Python 打包的后端 exe。
- 踩坑：拉起需要时间，此时前端的心跳检测会连续失败，导致界面疯狂闪红灯报错。
- 解决：引入
HeartbeatController.markAgentStarting()状态机。在 Agent 启动期间跳过失败计数，只有真正连续 3 次（90秒）未确认才判定断线。
三、界面展示
（发布到 CSDN 时，记得在这里插入你的 4 张高清截图）
1. 节点发现与 GPU 监控
真实的显卡利用率、显存与温度监控，基于
pynvml和fl_chart绘制的心电图式折线图。
2. 自定义 YAML 任务提交
支持用户粘贴自定义 YAML 任务包，实时进行安全校验，下方绿灯提示通过。
3. 任务管理与算力点计费
跑通完整的商业闭环，任务秒级完成，准确扣除 1 个算力点。
四、如何体验？
目前 v0.1.0 单机版已经正式发布，并且已提交微软商店审核。
- 源码编译：直接 clone Gitee 仓库，进入
apps/compute_bazaar_local执行flutter run -d windows。 - 绿色免安装版：在 Gitee 的 Releases 页面，下载
ComputeBazaar-v0.1.0-Windows-x64.zip，解压双击即可运行。
⚠️ 运行环境要求：需要 Windows 10/11，并提前在 WSL2 中安装并启动 Docker 环境。
五、总结与后续规划
作为一个个人独立项目，能走到这一步非常有成就感。
v0.2.0 的规划：
- 实现 Ubuntu 双系统下的 HAMi 部署，做真正的“显存硬切片”（A 租客只能用 3G，B 租客只能用 4G）。
- 实现联网版，加入 NAT 穿透，让跨城调度算力成为可能。
如果这个项目对你有启发，或者你也想把自己的闲置显卡变成“AI 时代的房东”，欢迎来 Gitee 提 Issue，或者给个 Star 支持一下！
🌟 Gitee 传送门：https://gitee.com/tianyeHome/compute_bazaar
