Ray Lab 支持通过本地 IDE 远程连接，结合 AI 辅助编程工具，您可以在云端 Ray 环境中获得本地化的 AI 编程体验：AI 助手在本地完成代码生成与对话，代码在云端 Ray Lab 实例中执行与验证，依赖与算力均使用云端环境，避免本地与云端环境不一致的问题。
推荐场景：
借助 AI 助手编写、重构分布式 Ray 任务代码，直接在云端环境运行验证。
探索性数据分析：AI 助手基于云端数据环境生成代码并即时执行。
为存量代码补充测试、文档，或排查在云端才能复现的问题。
前提条件
已通过本地 IDE 连接 Ray Lab，详见 使用本地 IDE 连接 Ray Lab。
本地已安装支持 AI 辅助编程的 IDE 或插件。
Ray Lab 已开通公网访问。AI 编程功能需要 Ray Lab 能够访问公网，请在创建 Ray Lab 时，于「网络配置」的「网络连接」中选择已配置公网访问的网络连接，配置方法参见 网络连接配置。
首次通过本地 IDE 连接 Ray Lab 时，需要在 Ray Lab 容器中安装依赖，需要几分钟，请耐心等待。
支持的 AI 编程工具
工具 | 接入方式 | 说明 |
CodeBuddy | 控制台一键打开，或本地安装后连接 | 腾讯自研 AI 编程助手，推荐使用 |
Cursor | 控制台一键打开，或本地安装后连接 | AI 原生 IDE |
VS Code + AI 插件 | 一键打开 VS Code 后，按需安装 Codex、CodeBuddy 等插件 | 适合已有 VS Code 使用习惯的用户 |
其他支持 SSH 远程开发的 AI IDE | 支持任意 SSH 远程开发工具 |
快速开始（以 CodeBuddy 为例）
1. 完成 使用本地 IDE 连接 Ray Lab 的步骤1～5，并勾选我已在终端完成配置。
2. 在弹窗中单击 CodeBuddy，本地 CodeBuddy 将自动拉起并连接云端 Ray Lab。
3. 打开 Ray Lab 工作目录，在 AI 对话面板中描述需求（例如「编写一个使用了 Ray 框架的 Demo」），AI 生成的代码将写入云端工作目录。
4. 在云端终端或调试环境中运行生成的代码，验证结果后迭代。
使用建议
让 AI 助手感知云端环境：在对话中说明「代码将运行在 DLC Ray Lab 的 Ray 环境中」，或将项目中的依赖说明（如 requirements.txt、README）加入上下文，生成的代码会更贴合 Ray 2.57 与 Python 3.11 环境。
小步验证：让 AI 生成代码后先小数据量试跑，确认逻辑正确后再全量运行，避免长任务反复重跑。
控制文件范围：建议为项目配置
.gitignore，避免将数据集、模型权重、临时产物加入 AI 索引与代码仓库。不要硬编码密钥：请勿将访问凭证（Token）、AK/SK 等敏感信息写入代码或提示词中，AI 对话的上下文会发送至模型服务。
警告：
使用 AI 辅助编程时，代码与对话上下文将发送至相应的模型服务。请勿在代码中包含密钥、Token、账号信息等敏感数据；涉及敏感数据的处理逻辑，请在提交前人工审查。
常见问题
AI 插件无法安装或提示网络错误？
AI 编程功能需要访问对应的模型服务，请依次确认：
1. Ray Lab 已开通公网访问：创建 Ray Lab 时，「网络配置」的「网络连接」需选择已配置公网访问的连接。配置方法参见 网络连接配置。
2. 本地网络可访问公网 443 端口，企业网络环境下请管理员放行相应域名。
AI 生成的代码在本地能跑，在 Ray Lab 中报错？
通常是环境差异导致。Ray Lab 代码运行在云端 Ray 2.57（Python 3.11）环境中，请确认代码未使用云端不存在的本地依赖；需要额外依赖时，可在云端安装，或将依赖固化到自定义镜像中，参见 自定义镜像使用说明。
AI 助手看不到云端文件或终端？
