用途：为用户在 Hub 上提供的图像或视频 LoRA 构建并发布一个真实的 Gradio Space，而不是本地脚本。默认目标硬件为 ZeroGPU，当基座模型支持时默认使用 diffusers 推理。
主要能力：读取 LoRA 仓库与模型卡，确定基座模型、任务类型（文生图、图生图、文生视频、图生视频、视频到视频）、触发词与推荐推理参数；选择对应基座模型族的管线参考文件（如 Qwen-Image、LTX、Krea 2）并核对管线类；按该 LoRA 的具体输入设计定制 UI，而非套用模板；编写并发布 Space。
使用方式：先收集 LoRA 仓库信息，公开仓库可直接读取，私有或受限仓库需一次性提供具写权限的 HF token（可读模型卡并随后用于发布）。随后选择基座管线，核对基座模型卡中的 diffusers 片段。再设计 UI，最后同时编写 app.py、requirements.txt、README.md，批量展示给用户确认后发布（私有）。发布时遵守 ZeroGPU 规则：模型在模块级放到 cuda、推理函数用 @spaces.GPU(duration=...) 装饰、不使用 torch.compile；gr.Examples 用 cache_examples=True 与 cache_mode="lazy"。
适用场景：为已训练或托管在 Hub 的图像/视频 LoRA 创建可分享的在线演示。
限制：基座模型族若不在支持的参考文件内，则无一级支持，需用户决定是否类比处理；基座模型卡无 diffusers 片段时仅回退参考表；模型卡信息不足时需向用户询问。具体分类、依赖版本与发布细节以资料为准，暂未提供更多内容。