VSCode 的 Jupyter Notebook 支持成熟，可替代部分 Jupyter Lab 场景；需安装官方 Jupyter 扩展和 ipykernel，选择内核后支持快捷执行、Markdown 预览、变量查看、断点调试，并可连接远程内核及导出多种格式。
VSCode 中的 Jupyter Notebook 支持已经非常成熟，能替代部分 Jupyter Lab 场景，尤其适合习惯 VSCode 编辑环境的数据分析师和机器学习初学者。
安装必要扩展和内核
确保已安装官方 Jupyter 扩展（Microsoft 发布），它提供 Notebook 渲染、单元格执行、变量查看器等核心功能。同时需有 Python 环境，并通过 pip install ipykernel 安装内核。在 VSCode 中打开一个 .ipynb 文件后，点击右上角的「Select Kernel」，选择对应 Python 解释器（如 venv 或 conda 环境）。若未显示，可在命令面板（Ctrl+Shift+P）中运行 Python: Select Interpreter 先指定解释器。
高效编写与调试单元格
- 用 Ctrl+Enter 运行当前单元格，Shift+Enter 运行并跳转到下一个单元格
- 支持 Markdown 单元格实时预览：双击进入编辑，再次双击或按 Ctrl+Enter 渲染
- 变量查看器（Variables）面板会自动显示当前 kernel 中的变量名、类型和值（支持 DataFrame 预览、数组切片查看）
- 调试时可直接在代码单元格中打断点，点击「Run and Debug」侧边栏中的 ▶️ 启动调试（需安装 Python 扩展并配置 launch.json）
连接远程或自定义内核
不局限于本地 Python 环境。可通过 Existing Jupyter Server 连接远程 JupyterHub、Google Colab（需开启本地代理）、或 Docker 容器中的 Jupyter 服务。在 Kernel 选择界面点击「Enter URL」，填入带 token 的 server 地址（如 http://localhost:8888?token=xxx）。也支持使用 jupyter kernelspec list 查看已注册内核，手动添加自定义内核（如 PySpark、IRkernel）。
输入文章 URL，返回干净 Markdown。支持17个平台（头条、微信公众号、知乎、36kr、虎嗅、华尔街见闻、澎湃、InfoQ 等）专项优化，双引擎提取、图片本地化、三层抓取策略。常与 browser‑web‑search skill配合：先用 bws 搜索获取 url 列表，再逐篇调用本 skill 提取正文。
导出与协作小技巧
右键 Notebook 编辑区可导出为 Python 脚本（.py）、HTML、PDF（需安装 LaTeX）或 Markdown。多人协作时建议：禁用自动保存输出（设置中关闭 jupyter.saveAllFilesBeforeRun 和 jupyter.askForKernelRestart，避免 .ipynb 文件因输出膨胀或 kernel 信息冲突导致 Git 冲突）。推荐用 jupyter nbconvert --no-output 清理后再提交。
基本上就这些。用熟之后，VSCode + Jupyter 的组合兼顾了轻量编辑、工程化管理和交互探索，不复杂但容易忽略细节。
