本指南用于在华为昇腾 NPU 上运行 HuggingFace Diffusers Pipeline 推理，适用于任意 Diffusers 模型。
用途与顺序：先做预检，确认环境、NPU 与权重可用；再执行图像或视频 Pipeline 推理；按需启用内存优化、LoRA 或多卡推理；查询 API 时先按版本定位 GitHub API 路径，再打开官方文档（官网不可达可回退镜像）。
前置要求：CANN + torch_npu 运行环境、模型权重（真实或假权重）、diffusers。安装命令为 pip install diffusers["torch"] transformers accelerate。
主要能力：一，预检脚本 validate_pipeline.py 检查 Python 包、CANN 环境变量、NPU 可用性与内存、模型权重结构，示例：python scripts/validate_pipeline.py --model ./my_model --device npu:0 --min-memory 16。二，语言生成脚本 run_pipeline.py 支持任意图像与视频 Pipeline，视频输出自动导出 MP4，参数含 --model、--prompt、--device、--dtype、--steps、--seed、--output、--guidance-scale、--lora、--lora-scale、--benchmark 等。三，内存优化：Attention Slicing、VAE Slicing、VAE Tiling、BF16 推理（推荐）已验证；Sequential CPU Offload 与 Model CPU Offload 为实验性。四，LoRA：load_lora_weights、set_adapters 与 cross_attention_kwargs 控制强度，支持多 LoRA 叠加。五，多卡并行：diffusers>=0.36.0 可用 ContextParallelConfig、ParallelConfig、apply_context_parallel，Ascend NPU 需 torch.distributed + hccl，推荐 _native_npu 与 Ulysses Attention，可退化为多进程 data parallel。六，benchmark_pipeline.py 测量首次/平均/P50/P95 延迟、NPU 内存峰值与吞吐。
常见模型参考：FLUX.1-dev、Wan 2.1、CogVideoX 建议 bfloat16 且 NPU 内存≥24GB；SD3.5 建议 bfloat16 且≥16GB；SDXL 建议 float16 且≥8GB。
限制：CPU Offload 的 accelerate 设备钩子可能不完全支持 npu；diffusers<=0.35.2 无 parallel API；首次推理需编译计算图较慢；Generator 需用 torch.Generator("npu")。性能与内存数据以实际环境为准。