Jupyter AI 教程
本教程将引导您了解并安装 Jupyter AI,一个用于在 Jupyter 环境中探索和使用生成式人工智能模型的开源扩展。
1. 项目目录结构及介绍
典型的 Jupyter AI 项目目录结构可能如下:
jupyter-ai/
├── setup.py # 安装脚本
├── jupyter_ai # 主要代码库
│ ├── __init__.py # 初始化模块
│ └── ... # 其他相关模块
├── tests # 单元测试
│ ├── test_*.py # 测试脚本
├── docs # 文档源代码
│ ├── source # Markdown 和其他文档资源
│ └── build # 构建后的 HTML 文档
└── requirements.txt # 依赖项列表
setup.py 是 Python 包安装的标准入口点。jupyter_ai 模块包含了 Jupyter AI 的核心功能。tests 目录用于存放单元测试,确保代码质量。docs 文件夹存储了项目文档的源码,通常使用 Sphinx 进行构建。requirements.txt 列出了项目运行所需的依赖包。
2. 项目的启动文件介绍
Jupyter AI 的启动通常不是通过单独的启动文件进行,而是作为 JupyterLab 或 Jupyter Notebook 的扩展安装。一旦安装,该扩展会在你的 Jupyter 环境中自动激活。要启动 JupyterLab 并使用 Jupyter AI,请按照以下步骤操作:
- 打开终端(Terminal)。
- 安装 Jupyter AI 扩展:
pip install 'jupyter-ai>=1.0,<2.0' # 对于 JupyterLab 3.x pip install jupyter-ai # 对于 JupyterLab 4.x - 启动 JupyterLab:
jupyter lab
在 JupyterLab 中,你将能够看到 Jupyter AI 提供的功能,如聊天界面和 %%ai 魔法命令。
3. 项目的配置文件介绍
Jupyter AI 的配置主要通过 JupyterLab 或 Notebook 的配置系统进行。通常,你可以创建一个名为 .jupyter/jupyter_notebook_config.py 的配置文件来定制设置。例如,如果你想要自定义默认使用的 AI 模型或设置,可以在该配置文件中添加对应的代码。具体配置选项可以在 Jupyter AI 的官方文档中找到。
要查看或编辑这个配置文件,你可以执行以下命令:
jupyter notebook --generate-config
这将在用户的家目录中创建或更新 ~/.jupyter/jupyter_notebook_config.py 文件。然后你可以手动打开此文件进行编辑。
请注意: 目前的 Jupyter AI 版本可能没有特定的配置文件,但更多的是通过 API 参数或交互式界面上的设置来配置。具体配置方法需参考官方文档或代码库中的说明。
在安装和使用过程中遇到任何问题,可以查阅 Jupyter AI 的用户文档(在 ReadTheDocs 上提供),以获取更详细的指南和支持。
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