Google 发布 Colab CLI，开发者与 AI 智能体可在终端中远程调用 Colab GPU 与 TPU 运行 Python 代码

本周，Google AI 团队发布了 Colab CLI。该工具将你的本地终端连接到远程 Colab 运行时。它让开发者和 AI 智能体能够在云端 GPU 和 TPU 上运行代码。你全程都停留在自己的终端里。该 CLI 以 Apache 2.0 许可证开源。

什么是 Google Colab CLI

Colab CLI 是 Google Colab 的命令行界面。你可以在终端中创建会话、运行代码并管理文件。

任何具备终端访问权限的智能体都可以调用该工具。这包括 Claude Code、Codex 和 Google 的 Antigravity。Google 附带了一个名为 COLAB_SKILL.md 的预打包技能文件。它为智能体提供了关于如何使用该 CLI 的内置上下文。

安装只需从 GitHub 仓库执行一条 uv tool install 命令。

uv tool install git+https://github.com/googlecolab/google-colab-cli

一个最简会话如下所示：

colab new                              # provision a CPU session
echo "print('hello')" | colab exec     # run code
colab stop                             # release the VM

命令如何工作

该 CLI 将命令分为会话、执行、文件和自动化几类。colab new 会创建一个会话，默认使用 CPU。添加 --gpu T4、--gpu L4、--gpu A100 或 --gpu H100 可使用 GPU。TPU 选项为 v5e1 和 v6e1。

colab exec 可从 stdin、.py 文件或 notebook 运行 Python。exec 在本地读取文件并传输其内容。因此本地编辑无需单独的上传步骤。colab stop 会终止会话并释放 VM。

其他命令涵盖文件和身份验证。colab upload 和 colab download 在本地和远程之间移动文件。colab drivemount 挂载 Google Drive，默认挂载 /content/drive。colab auth 为 VM 进行 Google Cloud 服务的身份验证。

colab exec 与产物恢复：核心循环

核心循环很短。你配置一个运行时，运行一个脚本，然后把结果拉回来。colab download 获取模型、数据集和其他文件。colab log 将会话历史导出为 .ipynb、.md、.txt 或 .jsonl。

因此一次远程运行就变成了你磁盘上一个可回放的 notebook。colab repl 和 colab console 提供对 VM 的交互式访问。colab install 通过 uv 添加软件包，回退到 pip。会话元数据存储在 ~/.config/colab-cli/sessions.json。

示例：微调 Gemma 3 1B

Google 的官方发布演示了一个由智能体驱动的微调任务。该任务使用 QLoRA 微调 google/gemma-3-1b-it。它在 Text-to-SQL 数据集上训练以改进 SQL 生成。Antigravity 智能体用五条命令运行整个流程。

colab new --gpu T4
colab install transformers datasets peft trl bitsandbytes accelerate
colab exec -f finetune_run.py
colab log --output gemma_finetune_log.ipynb
colab stop

随后，智能体会下载适配器模型、适配器配置、tokenizer 配置以及 tokenizer。你可以在本地加载并部署微调后的模型。用户无需手动输入任何云端资源配置命令。

使用场景

• 将原本局限于笔记本电脑的训练任务卸载到远程 GPU 或 TPU，无需离开终端。
• 让 Claude Code、Codex 或 Antigravity 等智能体运行端到端的机器学习流水线。
• 通过 QLoRA 远程微调小型模型，例如 Gemma 3 1B。
• 以脚本方式执行 notebook 并导出可回放的 .ipynb 日志，以确保可复现性。
• 通过 colab repl 或 colab console 在虚拟机上交互式调试。

Colab CLI 与基于浏览器的 Colab 对比

CLI 并不会取代 notebook UI。它面向的是脚本化、自动化以及智能体驱动的工作。以下是两种工作流在常见任务上的对比。

优势与考量

优势：

• 终端原生工作流，适配脚本、CI 和智能体循环。
• 一条命令即可配置 T4、L4、A100 或 H100 GPU。
• exec 直接传输本地文件内容，因此无需上传步骤。
• 日志可导出为可回放的 notebook 格式，以保证可复现性。
• 基于 Apache 2.0 开源，并附带一个捆绑的智能体技能文件。
• 可配合多种智能体使用，而非局限于单一厂商的工具。

考量：

• 访问需要身份验证；默认策略为 oauth2。
• repl 和 console 在交互式运行时需要 TTY。
• 在脚本中通过管道传入 stdin 即可使用这两个命令。
• 计算仍然在 Colab 的后端及其运行时模型上运行。

核心要点

• Google 的 Colab CLI 让你可以从本地终端在远程 Colab GPU 和 TPU 上运行代码。
• 一条命令即可配置加速器：colab new --gpu T4 到 A100 以及 H100，外加 TPU。
• colab exec 无需上传步骤，即可将本地 .py 和 .ipynb 文件传送到运行时。
• 任何终端智能体——Claude Code、Codex、Antigravity——都可以通过内置的 COLAB_SKILL.md 来驱动它。
• 它以 Apache 2.0 协议开源，并且 colab log 可导出可回放的 notebook 日志。

Marktechpost 可视化解读

Google Colab CLI — 终端指南

从你的终端运行 Colab GPU 和 TPU

Google Colab CLI 将你的本地终端连接到远程 Colab 运行时。开发者和 AI 智能体无需离开 shell 即可在云端加速器上运行代码。

2026 年 6 月 5 日发布 • 基于 Apache 2.0 开源

它是什么

• 一个用于 Google Colab 的命令行界面。
• 它将你的本地终端连接到远程 Colab 运行时。
• 你可以在终端中创建会话、运行代码并管理文件。
• 任何基于终端的 AI 智能体也可以调用它。

安装与快速开始

用一条命令安装，然后运行第一个会话。

uv tool install git+https://github.com/googlecolab/google-colab-cli

colab new                            # provision a CPU session
echo "print('hello')" | colab exec   # run code
colab stop                           # release the VM

配置 GPU 和 TPU

在创建会话时申请加速器。默认使用 CPU。

colab new --gpu T4
colab new --gpu A100
colab new --tpu v6e1

加速器的可用性取决于你当前生效的 Colab 套餐。

远程运行本地脚本

exec 命令会在本地读取你的文件并传输其内容。无需单独的上传步骤。

colab exec -f train.py

exec 可从 stdin、.py 文件或 notebook 运行 Python。

检索模型和日志

运行结束后将结果拉回你的机器。

colab download -s NAME checkpoints/model.bin ./model.bin
colab log -o report.ipynb

日志可导出为 .ipynb、.md、.txt 或 .jsonl。

示例：微调 Gemma 3 1B

Google 的博客展示了一个智能体在 Text-to-SQL 数据集上运行 QLoRA 流水线。

colab new --gpu T4
colab install transformers datasets peft trl bitsandbytes accelerate
colab exec -f finetune_run.py
colab log --output gemma_finetune_log.ipynb
colab stop

为 AI 智能体而构建

• 任何具备终端访问权限的智能体都可以调用该 CLI。
• 它可与 Claude Code、Codex 和 Antigravity 配合使用。
• 随附的 COLAB_SKILL.md 为智能体提供内置上下文。
• 结果是：可脚本化、面向智能体的 Colab 算力。