跳到主要内容

Jupyter Live Kernel

通过实时 Jupyter kernel (hamelnb) 进行迭代式 Python 编程。

技能元数据​

来源捆绑（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 在触发此技能时加载的完整技能定义。这是技能激活时代理看到的指令。

Jupyter Live Kernel (hamelnb)

通过实时 Jupyter kernel 为你提供有状态的 Python REPL。变量在执行之间持久存在。当你需要逐步构建状态、探索 API、检查 DataFrame 或迭代复杂代码时，请使用此技能而不是 execute_code。

何时使用此技能与其他工具​

工具使用时机
此技能迭代式探索、跨步骤保持状态、数据科学、机器学习、“让我试试这个并检查”
execute_code需要访问 hermes 工具（web_search、文件操作）的一次性脚本。无状态。
terminalShell 命令、构建、安装、git、进程管理

经验法则： 如果任务适合使用 Jupyter notebook，请使用此技能。

前置条件​

  1. 必须安装 uv（检查：which uv）
  2. 必须安装 JupyterLab：uv tool install jupyterlab
  3. 必须运行 Jupyter 服务器（参见下方的设置）

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​

检查服务器是否已在运行：

uv run "$SCRIPT" servers

如果未找到服务器，则启动一个：

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

注意：为本地代理访问禁用了 Token/密码。服务器以无头模式运行。

创建用于 REPL 的 Notebook​

如果你只需要一个 REPL（没有现有的 notebook），创建一个最小的 notebook 文件：

mkdir -p ~/notebooks

编写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 kernel 会话：

curl -s -X POST http://127.0.0.1:8888/api/sessions \
  -H "Content-Type: application/json" \
  -d '{"path":"scratch.ipynb","type":"notebook","name":"scratch.ipynb","kernel":{"name":"python3"}}'

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 execute 调用之间持久存在。变量、导入、对象均保留。

多行代码可使用 $'...' 引号：

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​

# View current cells \{#3-inspect-live-variables}
uv run "$SCRIPT" contents --path <notebook.ipynb> --compact

# Insert a new cell \{#4-edit-notebook-cells}
uv run "$SCRIPT" edit --path <notebook.ipynb> insert \
  --at-index <N> --cell-type code --source '<code>' --compact

# Replace cell source (use cell-id from contents output) \{#5-verification-restart--run-all}
uv run "$SCRIPT" edit --path <notebook.ipynb> replace-source \
  --cell-id <id> --source '<new code>' --compact

# Delete a cell \{#practical-tips-from-experience}
uv run "$SCRIPT" edit --path <notebook.ipynb> delete --cell-id <id> --compact

5. 验证（重启并全部运行）​

仅在用户要求干净验证或你需要确认 notebook 能从头到尾正常运行时使用：

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

实践经验提示​

  1. 服务器启动后的首次执行可能会超时 — kernel 需要片刻时间初始化。如果遇到超时，只需重试。

  2. Kernel 使用的 Python 是 JupyterLab 的 Python — 包必须安装在该环境中。如果需要额外的包，请先将它们安装到 JupyterLab 工具环境中。

  3. --compact 标志可显著节省 token — 始终使用它。否则 JSON 输出可能非常冗长。

  4. 对于纯 REPL 用途，创建一个 scratch.ipynb 且无需关心单元格编辑。只需重复使用 execute。

  5. 参数顺序很重要 — 子命令标志（如 --path）应放在子子命令之前。例如：variables --path nb.ipynb list 而不是 variables list --path nb.ipynb。

  6. 如果会话尚不存在，你需要通过 REST API 启动一个（参见设置部分）。如果没有活动的 kernel 会话，工具无法执行。

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

  8. 偶尔出现 websocket 超时 — 某些操作可能在首次尝试时超时，尤其是在 kernel 重启后。在升级处理前重试一次。

超时默认值​

脚本每次执行的默认超时时间为 30 秒。对于长时间运行的操作，传递 --timeout 120。对于初始设置或繁重计算，使用较大的超时时间（60+）。