跳到主要内容

Jupyter 笔记本整理

收藏0

Jupyter Notebook

创建、整理和改造 Jupyter Notebook,用于实验记录、教程和可复现分析。

让 AI 安装

灵栈官方最新版本 0.1.0更新于 2026-10-16下载 1 次

  • Jupyter
  • Notebook
  • 实验记录
  • 教程
  • Python
  • 可复现

SKILL.md

AI 翻译,以原文为准。

Jupyter Notebook 技能#

为两种主要模式创建整洁、可复现的 Jupyter notebook:

  • 实验与探索性分析
  • 教程与面向教学的逐步讲解

优先使用随附模板和辅助脚本,以获得一致的结构并减少 JSON 错误。

何时使用#

  • 从零创建新的 .ipynb notebook。
  • 将粗略笔记或脚本转换为结构化 notebook。
  • 重构现有 notebook,使其更具可复现性且更易快速浏览。
  • 构建供他人阅读或重新运行的实验或教程。

决策树#

  • 如果请求属于探索性、分析性或假设驱动,请选择 experiment。
  • 如果请求属于教学性、分步骤或面向特定受众,请选择 tutorial。
  • 如果编辑现有 notebook,请将其视为重构:保留意图并改进结构。

技能路径(设置一次)#

export CODEX_HOME="${CODEX_HOME:-$HOME/.codex}"
export JUPYTER_NOTEBOOK_CLI="$CODEX_HOME/skills/jupyter-notebook/scripts/new_notebook.py"

用户级技能安装在 $CODEX_HOME/skills 下(默认:~/.codex/skills)。

工作流#

  1. 明确意图。 确定 notebook 类型:experiment 或 tutorial。 记录目标、受众以及“完成”的标准。

  2. 从模板搭建。 使用辅助脚本,避免手动编写原始 notebook JSON。

uv run --python 3.12 python "$JUPYTER_NOTEBOOK_CLI" \
  --kind experiment \
  --title "Compare prompt variants" \
  --out output/jupyter-notebook/compare-prompt-variants.ipynb
uv run --python 3.12 python "$JUPYTER_NOTEBOOK_CLI" \
  --kind tutorial \
  --title "Intro to embeddings" \
  --out output/jupyter-notebook/intro-to-embeddings.ipynb
  1. 用小型、可运行的步骤填充 notebook。 让每个代码单元格只聚焦于一个步骤。 添加简短的 Markdown 单元格,说明目的和预期结果。 当简短摘要足够时,避免庞大且杂乱的输出。

  2. 应用合适的模式。 对于实验,遵循 references/experiment-patterns.md。 对于教程,遵循 references/tutorial-patterns.md。

  3. 处理现有 notebook 时安全编辑。 保留 notebook 结构;除非能改善自上而下的叙述,否则避免重排单元格。 优先进行针对性编辑,而不是整体重写。 如果必须编辑原始 JSON,请先查看 references/notebook-structure.md。

  4. 验证结果。 在环境允许时,自上而下运行 notebook。 如果无法执行,请明确说明,并指出如何在本地验证。 使用 references/quality-checklist.md 中的最终检查清单。

模板和辅助脚本#

  • 模板位于 assets/experiment-template.ipynb 和 assets/tutorial-template.ipynb。
  • 辅助脚本会加载模板、更新标题单元格,并写出 notebook。

脚本路径:

  • $JUPYTER_NOTEBOOK_CLI(安装后的默认路径:$CODEX_HOME/skills/jupyter-notebook/scripts/new_notebook.py)

临时文件和输出约定#

  • 使用 tmp/jupyter-notebook/ 存放中间文件;完成后删除。
  • 在此仓库中工作时,将最终产物写入 output/jupyter-notebook/ 下。
  • 使用稳定且具描述性的文件名(例如 ablation-temperature.ipynb)。

依赖项(仅在需要时安装)#

优先使用 uv 进行依赖管理。

用于本地 notebook 执行的可选 Python 包:

uv pip install jupyterlab ipykernel

随附的脚手架脚本仅使用 Python 标准库,不需要额外依赖。

环境#

无必需的环境变量。

参考索引#

  • references/experiment-patterns.md:实验结构与启发式方法。
  • references/tutorial-patterns.md:教程结构与教学流程。
  • references/notebook-structure.md:notebook JSON 结构与安全编辑规则。
  • references/quality-checklist.md:最终验证检查清单。

作者说明

使用示例

请求:把这段数据分析代码整理成一个教学用的 Notebook。

预期

用教程模板生成笔记本,按章节拆成小步骤,每步配一段说明和预期结果。

适用场景
  • 新建实验记录笔记本
  • 把分析脚本整理成教学笔记本
  • 改造已有笔记本,让它能重复运行
输入
  • 笔记本的目标与读者
  • 已有的代码或笔记
输出
  • .ipynb 笔记本文件
运行环境
支持指令技能的 AI 客户端;本机 Python 3.12(上游示例使用 uv)
依赖
  • Python 3
  • Jupyter(运行笔记本时)