Jupyter 交互分析
连着本地 Jupyter 内核,边跑 Python 边看结果、逐步往下算。
功能与用途
做数据分析时,常常要一遍遍试代码、看中间结果、再改下一句,而不是一次写完跑完。这个能力会连上你本机正在跑的 Jupyter 服务,在同一份 notebook 里连续执行 Python,变量和数据会一直留在内存里,换个写法接着算。还能查看当前有哪些变量、往 notebook 里增删单元格、最后整体从头跑到尾确认没有报错。前提是机器上装好 uv 和 JupyterLab,并启动一个 Jupyter 服务。
适用场景
- 交互式数据探索与调试:逐步执行 Python 代码并实时查看输出,在同一内核中持久保留变量与数据集以便反复验证。
- Notebook 单元格维护:在现有 notebook 文件中动态插入、替换代码或清理无效单元格,逐步整理完整的分析脚本。
- 分析流程全量复跑验证:重启内核并从头到尾完整执行整个 notebook,确认逻辑无报错并保存最新输出结果。
适用人群
- 做数据清洗和探索性分析的数据分析师、需要反复调试 Python 逻辑的算法工程师、在本地跑量化或统计计算的研发人员
使用步骤
- 确认本机已装 uv 和 JupyterLab,并把 hamelnb 脚本仓库拉下来。
- 启动一个 Jupyter 服务(可以无界面后台跑),并建一个空 notebook 开会话。
- 把要跑的 Python 代码发给它执行,变量会在多次执行之间保留。
- 需要时让它列出当前变量、预览某个变量的内容,或增删 notebook 单元格。
- 最后让它从头到尾重跑一遍并保存输出,确认整个 notebook 能顺利执行。
开始使用
将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。
技术信息
- 分类
- 编程
- 适用工具
- Codex、Claude Code、OpenClaw、Hermes、国内 Agent
- 使用难度
- 进阶
- 版本
- main
- 最近更新
- 2026-09-10
- 文件数
- 3
- 安装包大小
- 自动生成 ZIP
- 安全检查
- 基础检查通过
Iterative Python via live Jupyter kernel (hamelnb).
使用前准备
- 本机需安装 uv 与 JupyterLab
- 需要一个正在运行的 Jupyter 服务与活动的内核会话
- 要执行的分析代码或数据文件
依赖与权限
- 读取用户主动提供的内容