VS Code直連Google雲端Notebook
Google Cloud 推出 Workbench Notebooks 擴充套件，把 VS Code 直接接上受管理的 Jupyter 環境。它建立在 Microsoft Jupyter extension 之上，透過 Google Cloud 登入、專案選擇與遠端 Kernel 連線，讓開發者在本機開啟 .ipynb，實際運算則交給 Workbench 的 CPU 或 GPU 執行，不必一直切換瀏覽器與 IDE；BigQuery、Cloud Storage 等既有整合也能繼續使用。
現實應用
最直接受惠的是資料科學家、ML Engineer，以及本機算力不足、又已經把資料放在 Google Cloud 的團隊。探索資料、測試模型或處理大型資料集時，可以保留 VS Code 的操作習慣與本機擴充套件，同時借用雲端環境。企業也能利用 Google Cloud 的身分與權限管理，減少每位成員自行配置 Python、TensorFlow、PyTorch 與 GPU 環境的時間。
期望評估
我認為低標期望，就是少開幾個瀏覽器分頁，並把本機跑不動的 Notebook 穩定搬到遠端執行；它改善的是工作流程，不會自動解決資料品質、模型部署或成本控管。
高標來看，我猜它可能成為 Google Cloud ML 開發的主要入口：工程師在 VS Code 完成探索與除錯，再銜接排程、訓練與其他雲端服務。不過目前 Marketplace 仍標示 Preview，成熟度要看後續更新與大型專案的連線體驗。
商業策略分析
這一步會直接碰到 Databricks、Deepnote、Kaggle、Amazon SageMaker 與 Azure Machine Learning 的 Notebook 使用情境。Google 的重點不是另做一套 IDE，而是把開發者熟悉的 VS Code 變成雲端算力入口。我認為已採用 BigQuery 或 Google Cloud 的團隊值得測試，導入成本相對低；若資料與部署都在別家雲端，單為這個擴充套件遷移則不划算。
實作細節
在 VS Code 安裝官方 GoogleCloudTools.workbench-notebooks 與 Jupyter extension，開啟 Notebook 後依序選擇 Select Kernel、Google Cloud、Workbench，登入帳號、選取 GCP project 與運作中的 Workbench instance 即可。安裝時要確認發布者為已驗證的 GoogleCloudTools，避免惡意套件取得 OAuth 憑證。Workbench 本身不支援第三方 JupyterLab extensions，自訂映像也有相容性限制。