現(xiàn)在，大語言模型（LLM）與 Jupyter 連接起來了！

這主要歸功于一個名叫 Jupyter AI 的項目，它是官方支持的 Project Jupyter 子項目。目前該項目已經(jīng)完全開源，其連接的模型主要來自 AI21、Anthropic、AWS、Cohere、OpenAI 等各大明星公司和機構(gòu)。

項目地址：https://github.com/jupyterlab/jupyter-ai

有了大模型的加持，Jupyter 功能也發(fā)生了很大的變化?，F(xiàn)在你可以在該環(huán)境中生成代碼、總結(jié)文檔、創(chuàng)建注釋、修復(fù)錯誤等。你甚至可以使用文本 prompt 生成 notebooks。

Jupyter AI 的安裝過程也非常簡單，安裝代碼如下：

pip install 'jupyter-ai>=1.0,<2.0' # If you use JupyterLab 3
pip install jupyter-ai # If you use JupyterLab 4

此外，Jupyter AI 提供了兩種不同的界面與 LLM 交互。在 JupyterLab 中，你可以使用聊天界面與 LLM 進行對話，以幫助處理代碼。此外，在任何支持 notebook 或 IPython 的環(huán)境中，包括 JupyterLab、Notebook、IPython、Colab 和 Visual Studio Code，你可以使用 %% ai 魔術(shù)命令調(diào)用 LLM。

大模型加持下的 Jupyter

接下來我們看看效果如何。

編程助手

Jupyter 聊天界面如下圖所示，用戶可以與 Jupyternaut（編程助手）進行對話。在 Jupyternaut 功能欄我們可以看到這樣一句話「大家好，我是 Jupyternaut，你的編程助理。你可以使用文本框向我提問，也可以使用命令向我提問。」

接下來，用戶向 Jupyternaut 詢問了一個問題：如「在 Python 中，元組和列表有什么區(qū)別？」Jupyternaut 給出了這兩者的關(guān)鍵區(qū)別，并且回答的非常正確，最后還貼心的舉了示例：

假如有一部分代碼你不是很了解，你可以選中這部分代碼，并將其當(dāng)做 prompt，然后要求 Jupyternaut 解釋這段代碼，除此之外，Jupyternaut 還能對代碼進行修改、識別代碼錯誤等。

如果你對代碼不滿意，還可以讓 Jupyternaut 按照要求重寫代碼：

重寫代碼后，Jupyternaut 會將代碼重新發(fā)送回用戶選擇的語言模型進行替換：

從文本 prompt 生成 notebook

Jupyter AI 的聊天界面可以根據(jù)文本 prompt 生成一個完整的 notebook。想要實現(xiàn)這一點，用戶需要運行「/generate」命令，外加一個文本描述。

Jupyternaut 生成 notebook 后，會向用戶發(fā)送一個包含文件名的消息，用戶可以打開該文件進行查看：

訪問本地文件

你可以使用「/learn」命令讓 Jupyternaut 學(xué)習(xí)本地文件，隨后使用「/ask」命令詢問有關(guān)本地文件的問題。舉例來說，使用「/learn」命令，你可以讓 Jupyternaut 學(xué)習(xí)關(guān)于 Jupyter AI 文檔的知識：

一旦 Jupyternaut 學(xué)習(xí)完成，你就可以使用「/ask」命令提出問題：

魔法功能

Jupyter AI 還提供了可以在 notebook cells 和 IPython 命令行界面中運行的 %% ai 命令，每個 %% ai 命令都需要一個模型，通常指定為 provider?id:model?id：

還有研究者體驗了一下 %% ai 魔法命令，讓其調(diào)用 ChatGPT ：

此外，你還可以使用 - f 或 --format 參數(shù)自定義輸出的格式，包括 HTML、數(shù)學(xué)、源代碼和圖像，這對于研究人員和教育工作者來說非常有用。

一番展示下來，有了大模型加持的 Jupyter 確實方便了很多。想要嘗試的小伙伴，可以前去一試了。