fn_registry/dev/issues/0082-compile-sd-cpp-binary.md

id, title, status, priority, created, type, related_components

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

Objetivo

Compilar el binario sd de 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

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.