---
id: 0082
title: Compilar binario `sd` (stable-diffusion.cpp) para sdcli_generate_go_ml
status: pendiente
priority: media
created: 2026-05-13
type: feature
related_components: [functions/ml/sdcli_generate.go, functions/ml/sdcli_resolve_binary.go, projects/imagegen]
---

## Objetivo

Compilar el binario `sd` de [leejet/stable-diffusion.cpp](https://github.com/leejet/stable-diffusion.cpp)
con backend CUDA en este host (WSL2 + RTX 3070) e instalarlo en `$PATH`. Habilita
los tests reales de `sdcli_generate_go_ml` y el wrapper Go subprocess (Ola 3.C ya
construido pero con tests en `skip` por falta de binario).

## Contexto

- Funcion Go `sdcli_resolve_binary_go_ml` busca `sd` o `sd-cli` en `$PATH`.
- `sdcli_generate_go_ml` orquesta args via `genconfig_to_sdcli_args_go_ml`, lanza
  subproceso con `subprocess_stream_go_core`, parsea progreso con
  `sdcli_parse_progress_go_ml`, lee PNG de salida.
- Tests `TestSdcliResolveBinary_NotFound`, `..._Hint` pasan; `TestSdcliGenerate_RequiresBinary`
  hace `t.Skip()` porque `sd` no existe en `$PATH`.
- Backend `sdcpp_python_load_py_ml` ya validado con SD Turbo (CPU, 27s/imagen).
  El binario Go nativo deberia ser comparable o mejor con CUDA.

## Arquitectura

Archivos NUEVOS sugeridos:

- `bash/functions/infra/build_sd_cpp.sh` + `.md` — funcion del registry que clona y
  compila stable-diffusion.cpp con flags configurables (`-DSD_CUDA=ON`, `-DSD_FLASH_ATTN=ON`,
  `-DSD_FAST_SOFTMAX=ON`). Idempotente.
- `bash/functions/infra/install_sd_cpp_bin.sh` + `.md` — copia el binario compilado
  a `~/.local/bin/sd` o equivalente en `$PATH`.

NO modificar:
- `functions/ml/sdcli_*.go` — su contrato no cambia, solo se desbloquea el path feliz.

## Tareas

1. Compilacion
   1.1. Clonar `https://github.com/leejet/stable-diffusion.cpp` en `sources/stable-diffusion.cpp/`.
   1.2. Verificar requisitos: `cmake >= 3.18`, `gcc`, CUDA toolkit (instalable con
        `cuda_toolkit_check_bash_infra`). Si CUDA toolkit falta, instalarlo o
        documentar pasos manuales.
   1.3. Crear `bash/functions/infra/build_sd_cpp.sh` que:
        - Acepta flag `--backend cuda|cpu|vulkan`
        - cmake -B build -DSD_CUDA=ON (segun flag)
        - cmake --build build -j
        - Verifica que `build/bin/sd` o `build/sd` existe.
   1.4. Crear `bash/functions/infra/install_sd_cpp_bin.sh` que copia `sd` a
        `~/.local/bin/` y verifica `command -v sd`.

2. Smoke test
   2.1. Ejecutar `sd --version` desde Go: `SdcliResolveBinary("")` debe encontrarlo.
   2.2. Generar 1 imagen con SD Turbo `.safetensors` y comparar tiempo vs
        `sdcpp_python` (esperado: similar o mejor con CUDA).

3. Indexar
   3.1. `./fn index` y verificar 2 funciones nuevas.

4. Cleanup
   4.1. Re-run `CGO_ENABLED=1 go test -tags fts5 -run TestSdcliGenerate ./functions/ml/`
        — `TestSdcliGenerate_RequiresBinary` debe pasar sin skip.

## Ejemplo de uso

```bash
fn run build_sd_cpp --backend cuda
fn run install_sd_cpp_bin
sd --help                    # ya en PATH
./fn doctor ml               # sd_cli debe pasar a "ok"
```

## Decisiones

- **Compilar en `sources/`** (gitignored) — no commitear binario.
- **Instalar en `~/.local/bin/`** — sin sudo, en `$PATH` por defecto en shells.
- **Backend CUDA preferido** — esta maquina tiene RTX 3070 (8GB). CPU es fallback.

## Prerequisitos

- Issues 3.B/3.C completados (sdcpp_python + sdcli go scaffolding).
- Modelo SD Turbo en vault (ya esta).

## Riesgos

- CUDA toolkit no instalado: `nvcc` ausente segun `fn doctor ml`. Mitigacion:
  fallback CPU (`-DSD_CUDA=OFF`) o instalar toolkit primero.
- API rota entre versiones de `sd`: pinear release concreto (tag git) en el script.
- Binario grande (~200MB con CUDA libs estaticas): vale, sources/ esta gitignored.