Google 发布 Colab CLI：终端直接调用远程 GPU/TPU，AI Agent 也能用
Google 推出 Colab CLI 命令行工具，让开发者和 AI Agent 从终端直接运行远程 Colab GPU/TPU 上的 Python 代码。支持 T4、A100、H100 等加速器，一键创建会话、执行脚本、下载结果，并内置 Agent 技能文件。开源且兼容 Claude Code、Codex 等工具。
一句话看懂
Google 发布 Colab CLI，让开发者和 AI Agent 从终端直接调用远程 Colab GPU/TPU 运行 Python 代码，无需离开命令行。
详细发生了什么
2026 年 6 月 5 日，Google AI 团队正式发布 Colab CLI（命令行界面），这是一个开源工具（Apache 2.0 许可），允许用户在本地终端中创建 Colab 会话、运行代码并管理文件。核心功能包括：
- 一键加速器：
colab new --gpu T4或--gpu A100等命令即可申请 GPU，TPU 选项有 v5e1 和 v6e1。 - 本地脚本远程执行：
colab exec -f train.py将本地文件内容发送到远程 runtime 执行，无需手动上传。 - 结果回传：
colab download下载模型和文件，colab log导出会话历史为 .ipynb、.md 等格式。 - Agent 友好：内置 COLAB_SKILL.md 文件，让 Claude Code、Codex、Antigravity 等终端 Agent 直接调用。
安装仅需一行命令：uv tool install git+https://github.com/googlecolab/google-colab-cli。Google 还演示了一个 Agent 驱动的微调示例：在 T4 GPU 上对 Gemma 3 1B 模型进行 QLoRA 微调，全程只需 5 条命令。
中文圈视角
Colab CLI 对国内开发者意味着什么？
门槛降低：过去使用 Colab 必须打开浏览器、手动选择 runtime、上传文件。现在终端一条命令就能跑起 GPU 任务，适合习惯命令行的开发者。但注意：Colab 服务本身需要科学上网，国内用户仍面临网络限制。
国产平替：国内类似服务如阿里云 PAI、百度 AI Studio、华为云 ModelArts 均提供命令行工具，但生态成熟度不如 Colab。对于轻量级实验，Colab CLI 的便捷性仍然突出；对于生产环境，国产平台在合规和延迟上更有优势。
Agent 场景：国内 Agent 框架（如 Dify、FastGPT）若想集成类似能力，需要自行封装 API。Colab CLI 的 Agent 技能文件设计值得借鉴。
合规提醒：使用 Colab 处理敏感数据时需注意数据出境问题，建议仅用于公开数据集或非商业探索。
几条值得记住的细节
- 安装依赖
uv，一条命令即可完成，无需手动配置环境。 - 支持 GPU 型号：T4、L4、A100、H100；TPU 型号：v5e1、v6e1。
colab exec支持从 stdin、.py 文件或 notebook 输入代码，本地编辑后无需上传。- 会话元数据存储在
~/.config/colab-cli/sessions.json，方便管理。 colab log可导出为 .ipynb、.md、.txt、.jsonl 四种格式，便于复现。
一句话总结
Colab CLI 让终端成为 Colab 的遥控器，AI Agent 也能直接调用云端算力，但国内用户需注意网络和合规问题。