Jupyter Live Kernel (hamelnb)

Harness-agent tools#

本技能从 Octop 移植。使用以下 harness/deepagents 工具：

概念	工具
Shell	execute
读/写/编辑文件	read_file, write_file, edit_file
查找文件/搜索内容	glob, grep
获取 URL	web_fetch
浏览器自动化	browser_use
子代理工作	task
记忆	memory_store, memory_recall, memory_search

内置技能文件位于 /_builtin_skills/<name>/。用户安装的技能位于 /skills/<name>/。

通过实时 Jupyter kernel 为你提供有状态的 Python REPL。变量在多次执行之间持续存在。当你需要逐步构建状态、探索 API、检查 DataFrames 或迭代复杂代码时，使用此技能代替 execute。

何时使用此工具 vs 其他工具#

工具	何时使用
此技能	迭代探索、跨步骤状态、数据科学、机器学习、"让我试试这个然后检查"
execute（Python 一次性）	短脚本、安装、文件转换——调用之间无状态
execute（shell）	git、构建、系统命令

经验法则： 如果任务需要 Jupyter notebook，就使用此技能。

先决条件#

1. uv 必须已安装（检查：which uv）
2. JupyterLab 必须已安装：uv tool install jupyterlab
3. 必须运行 Jupyter 服务器（见下方设置）

设置#

hamelnb 脚本（克隆一次，或使用同步后的此技能中的副本）：

SCRIPT="_builtin_skills/jupyter-live-kernel/scripts/jupyter_live_kernel.py"

如果 hamelnb 未捆绑，请克隆上游：

git clone https://github.com/hamelsmu/hamelnb.git ~/.agent-skills/hamelnb
SCRIPT="$HOME/.agent-skills/hamelnb/skills/jupyter-live-kernel/scripts/jupyter_live_kernel.py"

启动 JupyterLab#

检查是否已有服务器正在运行：

uv run "$SCRIPT" servers

如果未找到服务器，请启动一个：

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令牌/密码。服务器无头运行。

为 REPL 使用创建 Notebook#

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

mkdir -p ~/notebooks

写入一个带一个空代码单元的 .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","kernel":{"name":"python3"}}'

核心工作流#

所有命令都返回结构化 JSON。始终使用 --compact 以节省 token。

1. 发现服务器和 notebooks#

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

状态在多次 execute 调用之间持续存在。变量、导入、对象全部保留。

多行代码使用 $'...' 引用：

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#

# 查看当前单元
uv run "$SCRIPT" contents --path <notebook.ipynb> --compact

# 插入新单元
uv run "$SCRIPT" edit --path <notebook.ipynb> insert \
  --at-index <N> --cell-type code --source '<code>' --compact

# 替换单元源（使用 contents 输出的 cell-id）
uv run "$SCRIPT" edit --path <notebook.ipynb> replace-source \
  --cell-id <id> --source '<new code>' --compact

# 删除单元
uv run "$SCRIPT" edit --path <notebook.ipynb> delete --cell-id <id> --compact

5. 验证（重启 + 全部运行）#

仅当用户要求干净验证或你需要确认 notebook 从上到下运行时使用：

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

来自经验的实用技巧#

1. 服务器启动后的首次执行可能超时 —— kernel 需要一点时间来初始化。如果你遇到超时，只需重试。

2. kernel 的 Python 是 JupyterLab 的 Python —— 包必须安装在那个环境中。如果你需要额外的包，请先将它们安装到 JupyterLab 工具环境中。

3. --compact 标志节省大量 token —— 始终使用它。没有它，JSON 输出可能非常冗长。

4. 对于纯 REPL 使用，创建一个 scratch.ipynb 并且不要费心编辑单元。只需重复使用 execute。

5. 参数顺序很重要 —— 子命令标志如 --path 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（见设置部分）启动一个。工具在没有实时 kernel 会话的情况下无法执行。

7. 错误以 JSON 形式返回 —— 带有回溯 —— 读取 ename 和 evalue 字段以理解出错原因。

8. 偶尔的 websocket 超时 —— 某些操作可能在首次尝试时超时，特别是在 kernel 重启后。在升级之前重试一次。

超时默认值#

脚本每个执行有 30 秒的默认超时。对于长时间运行的操作，传递 --timeout 120。对于初始设置或重度计算，使用宽松的超时（60+）。