VS Code 通过 Python 扩展支持 Jupyter Notebook，需安装 jupyter 和 ipykernel 并正确选择解释器；首次启动可能卡顿，内核断连需手动重启；变量面板对复杂对象支持有限，建议用 print/display 或调试模式查看。
VS Code 本身不内置 Jupyter 内核，但通过官方 Python 扩展 + jupyter 包即可完整支持 Notebook 编辑、执行、变量检查和内核切换——前提是 Python 环境里装了 jupyter，且 VS Code 能正确识别它。
确认 Python 扩展和 Jupyter 内核已就位
VS Code 的 Jupyter 功能由 Python 扩展（ms-python.python） 提供，不是单独的 “Jupyter 扩展”。安装后，它会自动尝试查找系统中可用的 Jupyter 内核。
- 在终端运行
jupyter --version，确保输出类似5.7.0或更高版本；若报错，先用pip install jupyter安装 - 如果使用 conda 环境，建议用
conda install jupyter，避免 pip/conda 混用导致内核注册失败 - VS Code 中按
Ctrl+Shift+P（Windows/Linux）或Cmd+Shift+P（macOS），输入Jupyter: Select Interpreter to Start Jupyter Server，选中你希望运行 Notebook 的 Python 解释器（比如./venv/bin/python或anaconda3/envs/myenv/bin/python） - 选完后，VS Code 底部状态栏会显示内核状态（如
Python 3.11.5 (venv)），表示已连接成功
打开或新建 .ipynb 文件时常见卡顿/无响应
这不是 VS Code 崩溃，而是内核启动或依赖加载慢。尤其首次打开、或使用未预装 ipykernel 的环境时，VS Code 会自动运行 python -m pip install ipykernel，这个过程可能静默卡住几秒到几十秒。
- 若右上角持续显示“Connecting to kernel…”超过 30 秒，打开 VS Code 的输出面板（
Ctrl+Shift+U），选择Jupyter日志，看是否有Failed to start the kernel或ModuleNotFoundError: No module named 'ipykernel' - 手动修复：在对应 Python 环境下运行
python -m pip install ipykernel，再重启 VS Code 窗口（不是重载窗口） - 避免反复安装：如果多个项目共用同一虚拟环境，只装一次
ipykernel即可；不同环境需各自安装 - 禁用自动安装（进阶）：在 VS Code 设置中搜索
jupyter.askForKernelRestart，关闭它可减少干扰，但需手动管理内核
代码块执行失败但没报错？检查内核是否意外断开
VS Code 的 Notebook 界面不会像网页版 Jupyter 那样明显提示 “Kernel died”，而可能只是光标卡住、输出空白、或变量面板不更新——本质是内核进程已退出，但 UI 没刷新状态。
Windows 命令行编码与兼容规范。涵盖 GBK/UTF-8 编码、PowerShell/pwsh 互操作、Python/Node.js、Git 配置及代码生成规则。适用于 Windows 10/11 + MSYS2/Git Bash 环境下的所有命令行操作。
立即学习“Python免费学习笔记（深入）”；
- 点击右上角内核名称（如
Python 3.11.5），弹出菜单中若出现Restart Kernel或Interrupt Kernel，说明当前内核仍活跃；若只有Select Kernel，大概率已断连 - 执行任意 cell 前，先点内核名 →
Restart Kernel and Run All Cells，这是最稳妥的清理方式 - 注意：中断执行（
Interrupt Kernel）不会清除变量，而重启会清空所有变量和导入状态 - 频繁断连？检查是否在 cell 中运行了阻塞操作（如
input()、无限循环、或调用了需要 GUI 的库如matplotlib.pyplot.show()）
为什么变量面板看不到自定义类实例或 numpy 数组？
VS Code 的变量查看器（Variables panel）对复杂对象的支持有限，默认只展开基础类型（int/str/list/dict）和 pandas DataFrame。numpy 数组、PyTorch 张量、自定义类等，通常只显示类型和内存地址。
- 想看数组内容：在 cell 中显式调用
print(arr)或display(arr)（需 from IPython.display import display） - 启用高级数据查看：在设置中搜索
jupyter.experimentalVariableView，勾选后变量面板会尝试渲染更多结构化数据（但仍有兼容性限制） - 调试模式下（F5 启动调试），变量面板能力更强，但仅适用于单个 .py 文件，不适用于 .ipynb 的交互执行
- 真正需要深度 inspect 对象时，还是推荐在 cell 中用
vars(obj)、dir(obj)或obj.__dict__手动探查
最常被忽略的一点：VS Code 的 Notebook 支持依赖于当前打开文件夹的 Python 解释器设置。如果只是单独打开一个 .ipynb 文件（没打开文件夹），它默认使用系统 Python，很可能找不到你项目里 requirements.txt 安装的包。务必先用 File > Open Folder 打开项目根目录，再选择解释器。
