JupyterLab代码片段扩展2.1.0版本迁移指南
2025-06-19 12:36:34作者:范靓好Udolf
版本升级概述
JupyterLab代码片段扩展在2.1.0版本中进行了重大架构调整,将代码片段的存储位置从本地文件系统迁移到了JupyterLab设置API端点。这一变化带来了以下关键改进:
- 全局访问:代码片段现在可以在所有笔记本中共享使用
- 集中管理:通过统一的设置界面管理所有代码片段
- 增强的搜索和标签功能:提供更强大的代码片段筛选能力
迁移前的准备工作
在升级到2.1.0版本前,请注意以下重要事项:
- 旧版本创建的代码片段将不再直接支持
- 项目文件夹中的/snippets目录仍会保留(如果之前已创建)
- 需要手动迁移现有代码片段到新系统
单个代码片段迁移方法
对于少量代码片段的迁移,可以按照以下步骤操作:
- 打开需要迁移的代码片段JSON文件
- 复制整个JSON对象内容
- 导航至:设置 > 高级设置编辑器 > 代码片段管理器
- 在"用户首选项"面板中找到现有的代码片段数组
- 将复制的JSON对象粘贴到数组末尾
- 确保新片段的ID值与现有列表保持连续
- 点击右上角的保存图标
迁移完成后,新添加的代码片段将出现在代码片段面板的底部。
批量迁移多个代码片段
对于包含大量代码片段的项目,我们提供了Python脚本来自动化迁移过程:
import os
import json
import glob
def extract_id(json):
try:
return json['id']
except KeyError:
return 0
snippets = []
counter = 0
for filepath in glob.glob(os.path.join('snippets', '*.json')):
with open(filepath) as f:
content = json.load(f)
content['id'] = counter
snippets.append(content)
counter+=1
snippets.sort(key=extract_id)
print('{"snippets": [\n')
for snip in snippets:
if not('tags' in snip):
snip["tags"] = []
if snippets.index(snip) == len(snippets)-1:
print(json.dumps(snip, indent=4, sort_keys=True))
else:
print(json.dumps(snip, indent=4, sort_keys=True), end=",\n")
print("]\n}\n")
脚本使用说明
- 将脚本保存为.py文件并运行
- 脚本会扫描项目中的/snippets目录
- 输出格式化的JSON对象集合
- 复制脚本输出的全部内容
- 粘贴到"用户首选项"面板中替换现有内容
重要提示:
- 如果要在现有代码片段列表基础上添加,需要调整脚本中的counter变量
- 确保所有代码片段的ID保持连续递增
搜索和标签功能增强
2.1.0版本对标签系统进行了重大改进:
-
标签逻辑关系:
- 片段标签之间是"或(OR)"关系
- 语言标签和片段标签之间是"与(AND)"关系
-
智能标签显示:
- 选择特定语言标签后,只显示该语言相关的片段标签
- 避免无关标签干扰选择
-
重复标签处理:
- 如果语言标签出现重复,表示有片段使用了语言名称作为标签
- 可以通过编辑片段标签解决此问题
最佳实践建议
- 迁移前备份:建议在迁移前备份原有的/snippets目录
- 标签规范化:利用迁移机会统一标签命名规范
- ID管理:定期检查代码片段ID的连续性
- 性能考虑:当代码片段数量很大时,考虑分批迁移
通过遵循本指南,您可以顺利完成2.1.0版本的迁移工作,并充分利用新版本提供的增强功能。
登录后查看全文
热门项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
453
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
893
676
暂无简介
Dart
802
199
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
350
203
昇腾LLM分布式训练框架
Python
118
147
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
781