【亲测免费】 JupyterLab LSP 安装与配置完全指南
2026-01-20 01:44:50作者:农烁颖Land
项目基础介绍与编程语言
JupyterLab LSP 是一个为 JupyterLab 提供强大编码辅助功能的开源扩展,支持代码导航、悬停提示、代码检查器(linter)、自动补全以及重命名等功能。它通过集成 Language Server Protocol (LSP) 实现了对多种编程语言的支持,包括但不限于 Python、R、JavaScript 等。此项目主要由 TypeScript 编写,并且在使用过程中会涉及到 Python 和其他语言的服务器配置。
关键技术和框架
- Language Server Protocol (LSP):一种开放协议,用于编辑器和语言服务器之间的通信,以提供智能的代码完成、错误检测等特性。
- JupyterLab:作为交互式计算的环境,提供了丰富的插件系统,使得 LSP 的集成成为可能。
- Node.js:对于某些语言服务器,需要有 Node.js 环境来运行基于 Node 的服务。
准备工作与详细安装步骤
步骤一:环境准备
确保你的系统已安装以下组件:
- Python 3.8 或更高版本。
- JupyterLab 4.1.0 至 5.0.0之前的版本(请注意特定版本范围)。
- (可选但推荐)虚拟环境管理工具,如
conda或venv,以避免环境冲突。 - 对于非 Python 语言支持,需安装对应的 LSP 服务器,比如
pylsp用于 Python,或languageserver用于 R。
步骤二:安装 JupyterLab LSP 扩展
使用 Conda 安装(推荐)
-
创建或激活一个 Conda 环境。
conda create -n jupyterlab_lsp python=3.8 -c conda-forge conda activate jupyterlab_lsp -
安装 JupyterLab LSP 及其依赖。
conda install -c conda-forge 'jupyterlab>=4.1.0,<5.0.0a0' jupyterlab-lsp
使用 Pip 安装
如果你偏好使用pip,首先确保 pip 已更新,然后执行以下命令:
pip install 'jupyterlab>=4.1.0,<5.0.0a0' jupyterlab-lsp
步骤三:安装语言服务器
以 Python 和 R 为例:
-
Python:
pip install 'python-lsp-server[all]' -
R:
R -e 'install.packages("languageserver")'
或者,如果使用Conda,你可以找到对应的包名并安装。
步骤四:启动 JupyterLab 并启用 LSP
安装完所有组件后,启动 JupyterLab。首次安装 JupyterLab LSP 后,通常需要重启 JupyterLab 以便正确加载扩展。
jupyter lab
进入 JupyterLab 后,你需要在设置中启用 LSP 相关服务。这通常在 设置 > Advanced Settings Editor 中进行,确保 LSP 功能被激活,并根据需要调整语言服务器的具体配置。
步骤五:配置高级选项(可选)
对于更细致的控制,如调整特定语言服务器的设置,你可以利用 JupyterLab 的高级设置界面。例如,开启或禁用特定插件,改变提示触发条件等。
至此,您已经成功安装和配置了 JupyterLab LSP,可以享受更加智能化的编码体验。记得,在实际使用中根据具体需求,可能还需要查阅各语言服务器的官方文档进行更深入的定制。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0446
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown00
jiuwenswarmJiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0765
Hy3Hy3 是由腾讯混元团队研发的快慢思考融合的混合专家模型,总参数量 295B,激活参数 21B,MTP 层参数 3.8B。4 月底发布 Hy3 Preview 后,我们在 50 多个业务中获得了广泛的反馈,修复了各种体验问题,进一步提升了后训练的质量和规模。今天,我们发布 Hy3。它展现出显著强于同尺寸并比肩旗舰(参数规模往往是 Hy3 的 2~5 倍)开源模型的智能水平,显著提升了在各类产品和生产力任务中的实用价值。Python00
AscendNPU-IRAscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优C++0311
DragonOSDragonOS is an operating system developed from scratch using Rust, with Linux compatibility. It is designed for **Serverless** scenarios. 使用Rust从0自研内核,具有Linux兼容性的操作系统,面向云计算Serverless场景而设计。Rust00
热门内容推荐
最新内容推荐
项目优选
收起
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
494
515
deepin linux kernel
C
32
16
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
800
1.14 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
783
1.57 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
968
2.28 K
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
C
845
6.18 K
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++
1.21 K
1.25 K
AtomGit CLI (ag cli),AtomGit 命令行工具,参考 GitHub CLI (gh) 开发。
目前 atomgit-cli 项目已在 AtomCode 的 Coding Plan 项目列表中
Go
40
24
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
647
283
暂无描述
Markdown
827
5.48 K