VSCode的Jupyter支持依赖本地jupyter命令可用性及内核正确注册；需确保目标Python环境已安装jupyter并执行python -m ipykernel install注册内核，且sys.executable路径与所选解释器一致。
VSCode 集成本身不依赖“Jupyter 插件是否安装”，而是取决于 jupyter 可执行文件能否被正确识别和调用——很多失败案例实际是环境路径或内核配置问题，不是插件没装好。
确认 Python 环境中已安装 jupyter 可执行文件
VSCode 的 Jupyter 支持本质是调用本地 jupyter 命令启动 kernel。如果终端里运行 jupyter --version 报错或找不到命令，VSCode 就无法启动 notebook。
- 在目标 Python 环境中（如 conda env 或 venv）运行：
pip install jupyter或conda install jupyter - 验证是否可用：
jupyter notebook --version应输出版本号（如6.5.4） - 若使用 conda，注意 VSCode 默认可能读取 base 环境，而你实际在
myenv里装了 jupyter ——此时需在 VSCode 中手动选中该环境（Ctrl+Shift+P →Python: Select Interpreter）
打开 .ipynb 文件后 Kernel 无法连接的常见原因
即使 jupyter 命令可用，VSCode 仍可能显示 “No kernel available” 或反复提示 “Select Kernel”，这通常与内核注册状态有关。
提示词大师-python版
下载
图片提示词生成器？不止如此。 马甲系统 —— 把脑海中的画面，翻译成AI能理解的专业表达。 用得越多，它越懂你：首次需要多问几句确认方向，用久了几乎一说就懂。 用得越多，它越快：缓存机制让后续对话越来越省。 RAG进化：成功案例持续入库，越跑越聪明。 输入「新手指南」查看完整功能介绍
- 检查当前 Python 解释器是否已注册为 Jupyter 内核：
python -m ipykernel install --user --name myenv --display-name "Python (myenv)" - 若未执行过该命令，VSCode 就看不到这个环境对应的 kernel；
--name是唯一标识，--display-name是你在 UI 里看到的名字 - 执行后重启 VSCode，再打开 notebook → 点右上角 kernel 选择器，应能看到刚注册的名称
- 注意：不要混用
pip install ipykernel和conda install ipykernel，尤其在 conda 环境里用 pip 装可能引发 kernel 启动失败
在 VSCode 中直接运行单元格却报 ModuleNotFoundError
这是最典型的“环境错位”：VSCode 显示选中了某个 interpreter，但实际 kernel 启动时加载的是另一个 site-packages。
- 运行单元格前，先执行
import sys; print(sys.executable)，确认路径是否与你选中的 interpreter 一致 - 如果不一致，说明 kernel 没绑定对 —— 删除
~/.local/share/jupyter/kernels/（Linux/macOS）或%USERPROFILE%\AppData\Roaming\jupyter\kernels\（Windows）下旧的 kernel 目录，重新注册 - 避免全局安装
ipykernel：始终在目标环境中运行python -m ipykernel install，而不是在 base 环境里装完再切到子环境
真正卡住人的往往不是“怎么打开 notebook”，而是 kernel 启动时静默失败、路径没对齐、或者多个 Python 版本共存导致的内核注册混乱。动手前先确认 jupyter 命令可达，再查 sys.executable，比反复重装插件有效得多。
