介绍

Jupyter AI为Jupyter Notebook 带来了生成式AI，使用户能够解释和生成代码、修复错误、总结内容、询问有关本地文件的问题，并从自然语言提示生成整个笔记本。使用其命令和聊天界面，Jupyter AI将Jupyter与来自AI21, Anthropic, AWS, Cohere和OpenAI等提供商的大型语言模型(LLM)连接起来。我们使用LangChain来支持所有流行的LLM和提供商，让你在新模型发布时访问它们。LangChain也会让Jupyter AI使用本地模型。用于JupyterLab 3的Jupyter AI版本1.0和用于JupyterLab 4的Jupyter AI 2.0现在都是免费的开源软件。

Jupyter AI在设计时考虑了负责任的AI和数据隐私。你可以选择最适合你需要的LLM、嵌入模型和矢量数据库。底层的提示、链和其他软件都是开源的，因此你可以准确地看到数据是如何被使用的。Jupyter AI在每个AI生成的代码单元中保存有关模型生成内容的元数据，因此你和你的合作者可以跟踪AI生成的代码进入你的工作流程的位置。最后，Jupyter AI只会在你要求时直接联系LLM；未经你明确同意，它不会读取你的数据或将其传输给模特。

Jupyter AI是Project Jupyter的官方子项目，现在可以作为免费的开源软件使用。

Jupyter AI入门

通过使用pip安装相应版本来开始使用Jupyter AI：

然后，启动JupyterLab。Jupyter AI提供两种不同的接口与LLM交互。在JupyterLab中，你可以与聊天UI交谈，以帮助你编写代码。此外，在任何受支持的笔记本或IPython环境中，包括JupyterLab、Notebook、IPython、Colab和Visual Studio Code，都可以使用%%aimagic命令调用LLM。Jupyter AI可以将任何Jupyter Notebook会话转换为支持文本和图像模型的生成AI游乐场。

Jupyter项目与供应商无关，因此Jupyter AI支持来自AI21、Anthropic、AWS、Cohere、HuggingFace Hub和OpenAI的LLM。

聊天界面有自己的配置面板，用于选择语言模型和嵌入模型，以及对每个模型的提供者进行身份验证。语言模型在聊天面板中响应用户的消息。当你要求聊天界面了解本地文件时，它会使用嵌入模型来解析这些文件，并在你提出有关这些文件的问题时提供帮助。

聊天界面，你的AI助手

聊天界面使你可以与Jupyternaut进行对话，Jupyternaut是使用你选择的语言模型的会话代理。

Jupyternaut主要通过文本进行通信，它也可以与JupyterLab中的文件进行交互。它可以作为一个通用的人工智能助手回答问题，包括从你的笔记本中选择你的问题，将人工智能生成的输出插入到你的笔记本中，从你的本地文件中学习并提出问题，并根据提示生成笔记本。Jupyternaut只能看到你通过发送聊天命令发送给它的信息；它只在你明确要求时读取你的数据。

首先，你可以问Jupyternaut一个问题：

你也可以突出你笔记本的一部分，并把它包含在你的提示中。

使用包含所选代码的提示符，你可以要求Jupyternaut用简单的英语(或它可以使用的任何其他语言)解释你的代码，对其进行修改，并识别其中的错误。如果你愿意，Jupyternaut甚至可以用它的响应来替换你的选择。请在运行AI生成的代码之前检查它，就像检查其他人编写的代码一样。

例如，你可以要求Jupyternaut通过添加注释来重写代码：

Jupyternaut将代码发送到你选择的语言模型，然后用语言模型的响应替换选择。

根据文本提示生成笔记本

Jupyter AI的聊天界面可以从一个文本提示生成一个完整的笔记本。为此，运行/generate命令并提供文本描述。Jupyternaut将使用其人工智能语言模型来命名工作簿，并填充标记和代码单元格。这可能需要几分钟。当Jupyternaut工作时，你可以继续使用聊天UI，并且Jupyternaut将继续生成你的笔记本。

Jupyternaut完成生成你的笔记本，它将向你发送带有其文件名的消息，以便你可以打开它。请在运行任何人工智能驱动的代码之前对其进行检查。

学习并询问本地文件

你可以使用/learn命令教Jupyternaut有关本地文件的知识，以便你可以使用/ask命令询问有关它们的问题。例如，使用/learn命令，你可以教Jupyternaut关于Jupyter AI的文档：

当你学习本地文件时，Jupyternaut使用嵌入模型转换数据，然后将输出存储在本地矢量数据库中。请查看每个模型的隐私政策，并了解与第三方模型提供商共享你的本地数据的任何限制。学习过程完成后，你可以使用/ask命令提出问题。使用检索增强生成(RAG)， Jupyternaut将从其矢量数据库中添加相关信息到你的问题，然后它将使用你选择的AI语言模型来回答你的问题。

笔记本是具有神奇命令的生成AI游乐场

Jupyter AI还提供了可以在笔记本单元格和IPython命令行界面中运行的神奇命令。首先，运行%load_ext jupyter_ai_magics，这将加载magics扩展。然后，你可以使用%% AI魔术命令来使用Jupyter AI。你可以运行%ai help来了解使用%ai line magic和%%ai cell magic命令可以运行的所有选项和命令。

每个%%ai命令都需要一个模型，通常指定为provider - id:model - id。要使用特定的提供程序，你需要使用适当的环境变量或Python模块设置其API密钥。

可以使用-f或——format参数自定义输出的格式，包括HTML、数学、源代码和图像。

你可以将变量名或表达式用大括号括起来，在提示符中插入变量名或表达式。

插值也适用于特殊的In和Out变量，它们包含代码单元的输入和输出。注意，单元格输出可以同时包含文本值和标记值。

Jupyter AI添加了一个特殊的Err变量，用于存储执行代码时发生的错误。通过将这个变量插入到提示符中，你可以使用AI语言模型来解释和纠正代码中的错误。