JupyterLab 的用户现在有了一个更聪明的伙伴。Jupyter-AI 是一个开源扩展，把 AI 代理直接带进了你熟悉的笔记本环境。装上它，你不再需要切换窗口去问 ChatGPT，也不需要复制粘贴错误信息——一切都在同一个界面里完成。
这个项目目前已经在 GitHub 上积累了超过 4300 颗星，用 Python 编写，安装非常简单：pip install jupyter-ai 就能搞定。它支持多种大语言模型后端，包括 OpenAI、Anthropic、Cohere、Hugging Face 等，也允许接入本地模型比如 llama.cpp。这意味着你可以选一个自己信任的模型，甚至离线使用。
聊天面板与魔法命令：两种工作方式
Jupyter-AI 提供了两种主要的交互方式。第一种是聊天面板，位于 JupyterLab 侧边栏，像一个内置的 AI 助手。你可以直接问它问题，让它写代码、解释概念、调试错误。它会记住对话上下文，但不会自动读取你当前打开的笔记本——这点很安全。
第二种是%%ai 魔法命令，直接写在笔记本单元格里。你只需要在单元格开头输入 %%ai 后面跟上模型名称和指令，比如 %%ai chatgpt，然后写“用pandas读取这个CSV并计算均值”。运行后，AI 生成的代码会直接输出到单元格下方，你可以一键复制或继续编辑。这种方式特别适合快速生成代码片段，然后自己再微调。
对于数据科学家和机器学习工程师来说，一个典型场景是：在分析过程中突然想不起某个函数的参数，或者需要写一段数据清洗的代码。你不用跳出 JupyterLab，直接打开聊天面板问一句，或者在当前单元格用魔法命令生成代码。整个工作流保持连贯，心流不断。
实际影响：让笔记本更智能，但仍有局限
Jupyter-AI 真正解决的痛点是工作流割裂。过去，你在 Notebook 里写代码遇到问题，得去浏览器开新标签、登录 AI 工具、粘贴问题、复制答案，再回来修改。这个过程很打断思路。Jupyter-AI 把 AI 集成到编辑器内部，让辅助触手可及。
不过它也有明显的限制。首先，模型响应质量取决于后端，如果你用本地小模型，生成代码可能不准确。其次，Jupyter-AI 目前对多单元格上下文的理解比较弱，它不会自动感知整个笔记本的变量状态，你需要手动提供上下文。第三，安全方面，如果连接远程模型，笔记本中的敏感数据可能会被发送出去，需要用户自己注意。
另外，如果你有自己偏好的模型 API，Jupyter-AI 的配置过程需要写一点点 YAML 文件，对新手不算完全零门槛。适合有一定 Python 和 JupyterLab 使用经验的开发者。
开始上手：几个实用建议
- 先选模型：如果只是为了日常辅助，OpenAI 的 GPT-4o 或者 Anthropic 的 Claude 3 都是不错的选择。如果注重隐私，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后面可以加参数指定模型和角色，例如%%ai chatgpt --format code让输出纯代码，非常干净。 - 注意提示词：给 AI 的指令要包含足够的上下文，比如变量名、数据类型、期望输出。别指望它自动猜出你整个 notebook 的逻辑。
最后，记得关注项目的官方文档和 GitHub 仓库，社区活跃，更新频繁。Jupyter-AI 不是要取代你写代码，而是帮你更快地探索和验证想法——就像有一个聪明的同事坐在旁边。
评论
暂无评论
成为第一个评论的人