Google 低调上线 Colab CLI，我用了两个月，已经回不去网页版了

导读Google Colab CLI 把远程 Colab 运行时接进了本地终端。高强度使用一段时间后，我越来越确定：它真正的价值不是少开一个浏览器标签，而是让脚本和 AI Agent 能把临时云端算力纳入自己的工作流。当然，认证、配额与资源回收的坑，也一个不少。

我为什么越来越离不开 Colab CLI

2026 年 6 月 5 日，Google 正式发布 Google Colab CLI。专业地说，它是 Colab 的命令行客户端：可以从本地终端创建远程运行时、执行代码、管理文件，再把结果取回来。说白了，就是代码还在你电脑上写，活交给 Colab 的机器干。

我已经高强度用了一段时间。结论先说：很好用，而且是那种用顺之后很难退回浏览器工作流的好用。

过去用 Colab，最别扭的并不是 Notebook 本身。真正磨人的是工作上下文被切成了两半：代码在本地项目里，依赖和数据在远端，运行状态又锁在浏览器标签里。改一个脚本，要复制；跑完一个结果，要下载；想让 Claude Code、Codex 这类 Agent 接手，还得在终端和网页之间来回倒腾。

Colab CLI 把这条缝缝上了。

Google 对它的定位也很直接：连接本地终端与远程 Colab 运行时，并面向开发者生产力、无头自动化和 AI Agent 集成。官方发布文章甚至演示了让 Agent 调用 T4，完成 Gemma 3 1B 的 QLoRA 微调，再下载适配器和执行日志。

这不是“网页版 Colab 换了个皮肤”。它把云端算力从一个目的地，变成了工作流里的一个动作。

真正让我形成依赖的，是让 Agent 自己创建运行时、补依赖、执行任务和回收资源，我只看日志与最终产物。

它真正改变的，是本地代码使用云端算力的方式

Colab CLI 并不能保证每次拿到 T4、L4、A100 或 H100。资源仍受账户层级、计算单元和实时供给影响，Google FAQ 也明确说，用量限制和可用硬件会动态变化。它的核心价值，是让本地项目终于能以三种方式调用远程算力。

第一种是单次执行：任务跑完，运行时也跟着结束。 对于一次性训练、转换或评测脚本，我更愿意用：

BASH colab run --gpu T4 train.py

官方设计里，colab run 会依次创建运行时、执行本地脚本，并在清理逻辑中释放 VM；脚本抛异常时也应该执行回收。它像临时叫车，到站就结束，适合不需要保留中间状态的任务。

第二种是连续调试：代码留在本地，远程状态继续保留。colab exec -f train.py 会读取本地脚本，把代码发送给已经创建的远程 Kernel，不要求先手动上传文件。Kernel 是 Jupyter 的代码执行进程；同一 session 内，它会保留已经导入的包、变量和加载到内存里的模型。改一个参数再跑一次，不必每轮都重新安装依赖、加载模型。

第三种是自动编排：Agent 可以接管整段运行时生命周期。 AI Agent 不是模型的另一个名字，而是“模型 + 工具 + 状态 + 执行循环”组成的任务系统。只要它能操作终端，就能依次调用 colab new、exec、download 和 stop。本地电脑负责读仓库、改代码和判断结果，Colab 负责重计算；人不必再充当网页与终端之间的搬运工。

结果也不只是一段终端文本。官方 Demo 4 用 --output-image 在远程 VM 生成图像，再把文件保存到本地路径；执行 Notebook 时，输出也可以写回新的 .ipynb 文件。

终端没有吞掉 Notebook 的能力，它只是把交互界面换成了可组合的命令。

真正会绊人的，是认证和“忘记关机”

好用归好用，这套工具还远没到闭眼交给 Agent 的程度。

最先碰到的通常是认证。CLI 连接 Colab 控制面支持 OAuth2 与 Application Default Credentials（ADC，应用默认凭证）。ADC 的作用，是让程序沿 Google 的标准凭证链找到身份；普通话版本：让命令行知道“你是谁、你被允许做什么”。

如果选择 ADC，通过 gcloud auth application-default login 获取的用户凭证需要带齐官方列出的 scopes。少了 userinfo.email，创建、释放或查询 session 可能返回 401；而 openid、cloud-platform 等 scope 也有各自用途。更容易混淆的是，CLI 登录 Colab 控制面，与进入 VM 后执行 colab auth 给 BigQuery、GCS 等服务注入凭证，是两次不同的认证。

一个管“我能不能控制这台 Colab 机器”，一个管“机器里的代码能不能访问我的 Google Cloud 资源”。混在一起排错，人会迅速烦躁。

交互命令也不是天然适合 Agent。官方 Demo 明确跳过了 colab auth、colab drivemount 和无管道输入的交互式 repl、console，原因是它们需要浏览器授权、粘贴验证码或本地 TTY。Agent 可以发起流程，但在这些节点上，人仍可能要回来点一下。

然后是资源回收。

colab run 默认适合一次性任务；加了 --keep，或使用 colab new 创建长期 session，就要自己对生命周期负责。官方文档写得很明白：保留的 session 会持续存在，直到你调用 colab stop，或者 keep-alive 守护进程达到上限。Google FAQ 同时提醒，Colab 的空闲超时、最大运行时间和可用硬件并非固定承诺。

所以我不会只相信“脚本应该已经结束”。我会再看一眼：

BASH colab sessions colab status -s mywork colab stop -s mywork

图片来源：作者实测截图

我实测 0.6.0 搭配 jupyter-kernel-client 1.x 会直接报错，因为新版移除了 CLI 仍在调用的 KernelClient API。官方 Issue #94 给出的临时解法是固定到 0.9.0。仓库另有长时间 exec 超时后本地进程持续占用 CPU 的报告。自动清理不是免检通行证。 长任务结束后检查本地进程与远端 session，挺土，却管用。

如果重新开始，我会把工作流收得更窄

安装很简单，但别再往 base 环境里硬塞

官方同时支持 uv 和 pip 安装。考虑到 Colab CLI 依赖 Pydantic、Typer 等常见基础包，如果本机已经有一套 AI 开发环境，我更建议先隔离：

BASH conda create -n colab-cli python=3.12 pip -y conda activate colab-cli python -m pip install google-colab-cli colab version

下面是我安装后的实际环境：独立的 colab-cli Conda 环境、Python 3.12.13、Colab CLI 0.6.0。版本号会继续变化，关键是让 colab version 正常返回。

图片来源：作者实测截图

安装完成后，我用 OAuth2 登录 Colab 控制面，再通过 colab sessions 检查服务端会话。首次执行会要求在浏览器授权；授权成功后，后续查询会直接读取本地缓存的凭证。

BASH colab --auth=oauth2 sessions

下面这张实测图已经隐藏了 Session endpoint。图中命令末尾的 sed 只负责截图脱敏，不是 Colab CLI 的必要用法。

图片来源：作者实测截图（Session endpoint 已隐藏）

修复上文提到的 0.6.0 依赖兼容问题后，本地终端已经可以向 article-demo 的远程 Kernel 发送代码，并取回真实输出：

图片来源：作者实测截图

如果重新配置一次，我不会一上来就让 Agent 拿着整套权限自由发挥。我会先把最短闭环跑通：

1. 在独立环境安装 google-colab-cli，并确认 colab version 正常。
2. 选定一种控制面认证方式，跑 colab whoami 核对身份与 scopes。
3. 用具名 CPU session 执行一段无副作用代码，再主动 stop。
4. 把流程换成 colab run，验证脚本报错时也没有残留 session。
5. 确认资源回收可靠后，再开放 GPU、文件下载和 Agent 自动执行。

如果你只是偶尔跑一个独立脚本，优先 colab run；如果要反复复用已加载的模型和变量，再创建具名 session；如果任务要求固定硬件、稳定时长和明确 SLA，Colab 本身就不是最稳的底座，应该看 Colab Enterprise、GCP Marketplace 或其他专用算力服务。

我现在对 Colab CLI 的评价依然很高，但理由和第一次看到它时已经不一样了。不是因为命令够酷，也不是因为它列出了一排 GPU。

而是本地编辑器、AI Agent 与远程算力之间，那层一直碍手碍脚的玻璃，终于薄了。

至于什么时候能完全放心地让 Agent 自己申请、执行、回收，然后不回头检查一眼？

我还没到那一步。

参考资料

• Introducing the Google Colab CLI： https://developers.googleblog.com/introducing-the-google-colab-cli/
• Google Colab CLI 官方仓库： https://github.com/googlecolab/google-colab-cli
• Google Colab CLI Demo Walkthroughs： https://github.com/googlecolab/google-colab-cli/blob/main/docs/demos.md
• colab run
   设计文档： https://github.com/googlecolab/google-colab-cli/blob/main/docs/05_run_command.md
• 认证与自动化设计文档： https://github.com/googlecolab/google-colab-cli/blob/main/docs/04_automation_and_utility.md
• Google Colab FAQ： https://research.google.com/colaboratory/faq.html
• 长任务超时问题记录： https://github.com/googlecolab/google-colab-cli/issues/82
• Colab CLI 0.6.0 与 jupyter-kernel-client 1.x 兼容性问题： https://github.com/googlecolab/google-colab-cli/issues/94

— THE END —

文章仅做学术分享，如有侵权请联系删除，非常感谢！