Jupyter Notebook 默认不自动补全是因为其补全机制依赖 kernel 的 completer 协议且仅触发于 Tab/Shift+Tab，而非实时弹出；VS Code 则通过叠加 LSP 实现更接近 IDE 的智能补全体验。
为什么 Jupyter Notebook 默认不补全，而 VS Code 里能？
因为传统 Jupyter Notebook（基于 classic notebook server）的补全是靠前端 JavaScript 和后端 kernel 协同完成的，但默认只启用基础补全（比如变量名、模块名），且依赖 kernel 是否支持 completer 协议。Python kernel（如 ipykernel）支持，但需触发条件——不是敲完点就弹，而是要按 Tab 或 Shift+Tab；VS Code 的 Jupyter 插件则叠加了 LSP（Language Server Protocol），所以体验更接近 IDE。
如何开启并稳定使用 Tab 补全（最常用场景）
补全功能本身已内置，但容易被忽略或误操作导致失效：
- 必须在代码单元格（
Code模式）中，而非Markdown单元格 - 光标需处于合法补全位置：比如输入
os.pa后按Tab，会列出os.path相关函数；但若写成os.path.join(后直接按Tab，可能无响应——此时应先敲空格或逗号再试 - 确保 kernel 正常运行：右上角显示
Python 3且状态为Connected；若显示Disconnected，重启 kernel（Kernel → Restart） - 某些旧版 ipykernel（
）对属性补全支持弱，建议升级：<pre class="brush:php;toolbar:false;">pip install --upgrade ipykernel</pre>
JupyterLab 里补全更可靠，但要注意配置项
JupyterLab 1.x+ 默认启用 @jupyterlab/completer 插件，但部分扩展（如 jupyterlab-lsp）会接管补全逻辑，反而导致冲突：
- 检查是否安装了 LSP 相关扩展：
jupyter labextension list，若看到@krassowski/jupyterlab-lsp，它需要额外配置 Python language server（如pylsp），否则补全可能卡住或空白 - 禁用 LSP 插件后，原生补全恢复可用：
jupyter labextension disable @krassowski/jupyterlab-lsp
- 补全延迟高？可能是 kernel 响应慢，可尝试关闭
Enable fuzzy matching（设置 → Settings Editor → Advanced Settings Editor → Completer →"fuzzy": false）
补全失效时怎么快速定位问题
别急着重装，先看这几个信号：
- 按
Tab后出现no completions found：说明 kernel 返回了空结果，常见于未 import 的模块（如没执行import numpy就输np.） - 补全列表一闪而过立即消失：浏览器焦点被其他元素抢走，试试点击单元格内部再按
Tab - 只补全局变量，不补对象方法（如
df.不出列）：确认df已定义且类型可推断（pandas DataFrame 通常支持，但自定义类需有__dir__或__getattr__） - 用 conda 环境但补全不对：检查 kernel 是否绑定到当前环境：
jupyter kernelspec list，再用jupyter kernelspec uninstall python3+python -m ipykernel install --user重建
补全本质是 kernel 的动态反射能力，不是静态语法分析——所以变量必须已执行、对象必须已实例化，这点和 IDE 有根本区别。
