Pylance 语言服务器在 VS Code 中崩溃问题分析
微软开源的 Python 语言服务器 Pylance 在特定情况下会出现崩溃问题,导致无法正常提供代码分析服务。本文将详细分析该问题的触发条件、技术原理以及解决方案。
问题现象
当用户在 VS Code 中使用 Python 和 Jupyter 扩展时,如果执行包含特定语法错误的交互式代码单元格后关闭并重新打开编辑器,Pylance 语言服务器会反复崩溃。崩溃时会出现提示信息:"Pylance 在过去 3 分钟内已崩溃 5 次,将不再自动重启"。
技术背景
Pylance 是微软开发的 Python 语言服务器,基于 Pyright 静态类型检查器构建,为 VS Code 提供智能代码补全、类型检查等功能。它通过 Language Server Protocol (LSP) 与编辑器通信。
问题复现步骤
- 在 VS Code 中创建 Python 文件
- 使用 Jupyter 扩展的代码单元格功能(以 #%% 标记)
- 在单元格中输入包含语法错误的代码(如
print("testing {[!")) - 使用 Shift+Enter 执行该单元格
- 关闭并重新打开 VS Code
- 编辑器恢复会话时,Pylance 开始崩溃循环
根本原因分析
从错误日志可以看出,崩溃是由于 Pylance 在处理交互式会话文件路径时出现了重复路径问题。具体错误信息显示:
Debug Failure. False expression: Duplicate path in cellFilePaths: untitled:/Interactive-1.interactive.py
这个问题源于 Pylance 对 Jupyter 交互式会话文件的管理机制存在缺陷。当 VS Code 恢复上一个会话时,它会尝试重新加载之前的交互式输出,但由于路径处理逻辑的缺陷,导致 Pylance 无法正确处理这些临时交互式文件。
解决方案
微软开发团队已经确认这是一个已知问题,并在内部跟踪系统中标记为重复问题。修复方案预计将在下一个预发布版本中提供。
对于遇到此问题的用户,目前可以采取以下临时解决方案:
- 避免在交互式单元格中使用可能导致语法错误的代码
- 在关闭 VS Code 前清除所有交互式输出
- 手动删除工作区中的临时交互式文件
技术影响
这种崩溃问题会影响开发者的工作效率,特别是在使用 Jupyter 交互式环境进行数据分析和快速原型开发时。由于 Pylance 是 Python 开发中重要的智能辅助工具,其崩溃会导致代码补全、类型提示等功能暂时不可用。
总结
Pylance 语言服务器在处理 Jupyter 交互式会话恢复时出现的路径重复问题,反映了复杂开发环境中边缘情况的处理挑战。微软团队已经识别并修复了该问题,预计在后续版本中发布更新。开发者在使用交互式编程功能时应注意代码的正确性,以避免触发此类问题。
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