{/* This page is auto-generated from the skill's SKILL.md by website/scripts/generate-skill-docs.py. Edit the source SKILL.md, not this page. */}

Jupyter Live Kernel

通过实时 Jupyter 内核进行迭代式 Python 开发（hamelnb）。

Skill 元数据


来源	内置（默认安装）
路径	`skills/data-science/jupyter-live-kernel`
版本	`1.0.0`
作者	Hermes Agent
许可证	MIT
平台	linux, macos, windows
标签	`jupyter`, `notebook`, `repl`, `data-science`, `exploration`, `iterative`

参考：完整 SKILL.md

信息

以下是 Hermes 在触发此 skill 时加载的完整 skill 定义。这是 agent 在 skill 激活时所看到的指令内容。

Jupyter Live Kernel（hamelnb）

通过实时 Jupyter 内核为你提供一个有状态的 Python REPL（交互式解释器）。变量在多次执行之间持久保留。当你需要逐步构建状态、探索 API、检查 DataFrame 或迭代复杂代码时，请使用此工具而非 execute_code。

何时使用本 Skill 与其他工具

工具	使用场景
本 skill	迭代式探索、跨步骤保持状态、数据科学、机器学习、"试试看再检查"
`execute_code`	需要访问 Hermes 工具（web_search、文件操作）的一次性脚本。无状态。
`terminal`	Shell 命令、构建、安装、git、进程管理

经验法则： 如果你会为某个任务打开 Jupyter notebook，就使用本 skill。

前置条件

必须安装 uv（检查：which uv）

必须安装 JupyterLab：uv tool install jupyterlab

必须有一个正在运行的 Jupyter 服务器（参见下方"设置"部分）

设置

hamelnb 脚本位置：

SCRIPT="$HOME/.agent-skills/hamelnb/skills/jupyter-live-kernel/scripts/jupyter_live_kernel.py"

如果尚未克隆：

git clone https://github.com/hamelsmu/hamelnb.git ~/.agent-skills/hamelnb

启动 JupyterLab

检查是否已有服务器在运行：

uv run "$SCRIPT" servers

如果未找到服务器，启动一个：

jupyter-lab --no-browser --port=8888 --notebook-dir=$HOME/notebooks \
  --IdentityProvider.token='' --ServerApp.password='' > /tmp/jupyter.log 2>&1 &
sleep 3

注意：已禁用 token/password 以供本地 agent 访问。服务器以无头模式运行。

为 REPL 使用创建 Notebook

如果你只需要一个 REPL（无需现有 notebook），创建一个最小化的 notebook 文件：

mkdir -p ~/notebooks

写入一个包含一个空代码单元格的最小 .ipynb JSON 文件，然后通过 Jupyter REST API 启动一个内核会话：

核心工作流

所有命令均返回结构化 JSON。始终使用 --compact 以节省 token。

1. 发现服务器和 notebook

uv run "$SCRIPT" servers --compact
uv run "$SCRIPT" notebooks --compact

2. 执行代码（主要操作）

uv run "$SCRIPT" execute --path <notebook.ipynb> --code '<python code>' --compact

状态在多次 execute 调用之间持久保留。变量、导入、对象均会保留。

多行代码可使用 $'...' 引号语法：

uv run "$SCRIPT" execute --path scratch.ipynb --code $'import os\nfiles = os.listdir(".")\nprint(f"Found {len(files)} files")' --compact

3. 检查实时变量

uv run "$SCRIPT" variables --path <notebook.ipynb> list --compact
uv run "$SCRIPT" variables --path <notebook.ipynb> preview --name <varname> --compact

4. 编辑 notebook 单元格

# 查看当前单元格
uv run "$SCRIPT" contents --path <notebook.ipynb> --compact

# 插入新单元格
uv run "$SCRIPT" edit --path <notebook.ipynb> insert \
  --at-index <N> --cell-type code --source '<code>' --compact

# 替换单元格源码（使用 contents 输出中的 cell-id）
uv run "$SCRIPT" edit --path <notebook.ipynb> replace-source \
  --cell-id <id> --source '<new code>' --compact

# 删除单元格
uv run "$SCRIPT" edit --path <notebook.ipynb> delete --cell-id <id> --compact

5. 验证（重启并全部运行）

仅在用户要求进行干净验证，或你需要确认 notebook 能从头到尾运行时使用：

uv run "$SCRIPT" restart-run-all --path <notebook.ipynb> --save-outputs --compact

实践经验提示

服务器启动后首次执行可能超时 —— 内核需要片刻时间初始化。如果超时，重试即可。

内核 Python 是 JupyterLab 的 Python —— 包必须安装在该环境中。如需额外的包，请先将其安装到 JupyterLab 工具环境中。

--compact 标志可显著节省 token —— 始终使用它。不加此标志时 JSON 输出可能非常冗长。

纯 REPL 使用时，创建一个 scratch.ipynb，无需关心单元格编辑。反复使用 execute 即可。

参数顺序很重要 —— 子命令标志（如 --path）必须放在子子命令之前。例如：variables --path nb.ipynb list，而非 variables list --path nb.ipynb。

如果会话尚不存在，需要通过 REST API 启动一个（参见"设置"部分）。没有实时内核会话，工具无法执行代码。

错误以 JSON 形式返回，包含 traceback —— 读取 ename 和 evalue 字段以了解出错原因。

偶发的 websocket 超时 —— 某些操作（尤其是内核重启后）首次尝试可能超时。在上报问题前先重试一次。

超时默认值

脚本每次执行的默认超时为 30 秒。对于长时间运行的操作，传入 --timeout 120。初始设置或大量计算时，建议使用较宽松的超时值（60 秒以上）。

"Jupyter Live Kernel — 通过实时 Jupyter 内核进行迭代式 Python 开发（hamelnb）"

Jupyter Live Kernel#

Skill 元数据#

参考：完整 SKILL.md#

Jupyter Live Kernel（hamelnb）#

何时使用本 Skill 与其他工具#

前置条件#

设置#

启动 JupyterLab#

为 REPL 使用创建 Notebook#

核心工作流#

1. 发现服务器和 notebook#

2. 执行代码（主要操作）#

3. 检查实时变量#

4. 编辑 notebook 单元格#

5. 验证（重启并全部运行）#

实践经验提示#

超时默认值#

Jupyter Live Kernel

Skill 元数据

参考：完整 SKILL.md

Jupyter Live Kernel（hamelnb）

何时使用本 Skill 与其他工具

前置条件

设置

启动 JupyterLab

为 REPL 使用创建 Notebook

核心工作流

1. 发现服务器和 notebook

2. 执行代码（主要操作）

3. 检查实时变量

4. 编辑 notebook 单元格

5. 验证（重启并全部运行）

实践经验提示

超时默认值