JupyterLab 的使用者現在有了一個更聰明的夥伴。Jupyter-AI 是一個開源擴充套件，把 AI 代理直接帶進了你熟悉的筆記本環境。裝上它，你不再需要切換視窗去問 ChatGPT，也不需要複製貼上錯誤資訊——一切都在同一個介面裡完成。
這個專案目前已經在 GitHub 上積累了超過 4300 顆星，用 Python 編寫，安裝非常簡單：pip install jupyter-ai 就能搞定。它支援多種大語言模型後端，包括 OpenAI、Anthropic、Cohere、Hugging Face 等，也允許接入本地模型比如 llama.cpp。這意味著你可以選一個自己信任的模型，甚至離線使用。
聊天面板與魔法命令：兩種工作方式
Jupyter-AI 提供了兩種主要的互動方式。第一種是聊天面板，位於 JupyterLab 側邊欄，像一個內建的 AI 助手。你可以直接問它問題，讓它寫程式碼、解釋概念、除錯錯誤。它會記住對話上下文，但不會自動讀取你當前開啟的筆記本——這點很安全。
第二種是%%ai 魔法命令，直接寫在筆記本單元格里。你只需要在單元格開頭輸入 %%ai 後面跟上模型名稱和指令，比如 %%ai chatgpt，然後寫「用pandas讀取這個CSV並計算均值」。執行後，AI 生成的程式碼會直接輸出到單元格下方，你可以一鍵複製或繼續編輯。這種方式特別適合快速生成程式碼片段，然後自己再微調。
對於資料科學家和機器學習工程師來說，一個典型場景是：在分析過程中突然想不起某個函式的引數，或者需要寫一段資料清洗的程式碼。你不用跳出 JupyterLab，直接開啟聊天面板問一句，或者在當前單元格用魔法命令生成程式碼。整個工作流保持連貫，心流不斷。
實際影響：讓筆記本更智慧，但仍有侷限
Jupyter-AI 真正解決的痛點是工作流割裂。過去，你在 Notebook 裡寫程式碼遇到問題，得去瀏覽器開新標籤、登入 AI 工具、貼上問題、複製答案，再回來修改。這個過程很打斷思路。Jupyter-AI 把 AI 整合到編輯器內部，讓輔助觸手可及。
不過它也有明顯的限制。首先，模型響應質量取決於後端，如果你用本地小模型，生成程式碼可能不準確。其次，Jupyter-AI 目前對多單元格上下文的理解比較弱，它不會自動感知整個筆記本的變數狀態，你需要手動提供上下文。第三，安全方面，如果連線遠端模型，筆記本中的敏感資料可能會被髮送出去，需要使用者自己注意。
另外，如果你有自己偏好的模型 API，Jupyter-AI 的配置過程需要寫一點點 YAML 檔案，對新手不算完全零門檻。適合有一定 Python 和 JupyterLab 使用經驗的開發者。
開始上手：幾個實用建議
- 先選模型：如果只是為了日常輔助，OpenAI 的 GPT-4o 或者 Anthropic 的 Claude 3 都是不錯的選擇。如果注重隱私，可以部署本地模型比如 llama.cpp 或者 Ollama。
- 利用魔法命令的精髓：
%%ai後面可以加引數指定模型和角色，例如%%ai chatgpt --format code讓輸出純程式碼，非常乾淨。 - 注意提示詞：給 AI 的指令要包含足夠的上下文，比如變數名、資料型別、期望輸出。別指望它自動猜出你整個 notebook 的邏輯。
最後，記得關注專案的官方文件和 GitHub 倉庫，社羣活躍，更新頻繁。Jupyter-AI 不是要取代你寫程式碼，而是幫你更快地探索和驗證想法——就像有一個聰明的同事坐在旁邊。
評論
暫無評論
成為第一個評論的人