一、项目简介：VS Code Jupyter 扩展
microsoft/vscode-jupyter 是微软为 VS Code 打造的官方 Jupyter Notebook 扩展（市场包名 ms-toolsai.jupyter）。它为当前 Jupyter Notebooks 所支持的各类语言内核提供基础的 Notebook 编辑能力，并允许把任意 Python 环境当作 Jupyter 内核来用。
这里有一个最关键的概念必须先讲清楚：Jupyter 扩展本身并不是一个 Jupyter 内核。你必须先准备一个安装了 Jupyter 包的 Python 环境（其他语言的内核则无需改动即可工作）。也就是说，扩展负责"编辑器与 UI"，也就是编辑器与 UI，真正执行代码的是背后的内核（kernel）。
它与同属微软的 Python 扩展协同工作：Python 扩展负责解释器选择、调试、Lint，Jupyter 扩展负责 Notebook 编辑与内核连接。两者一起装，才能获得完整的 Python Notebook 体验。
Jupyter Notebook 的核心是一个 JSON 格式的 .ipynb 文件，里面按顺序存放一个个单元格：代码单元格（可被内核执行）与 Markdown 单元格（渲染成富文本说明）。这种"代码 + 说明 + 输出"混排的形式，非常适合数据探索、机器学习实验、教学讲义与可复现研究。VS Code 的 Jupyter 扩展让你不必打开浏览器，直接在熟悉的编辑器里完成这些工作流。
安装该扩展后，它会自动连带安装几个增强体验的子扩展：Jupyter Keymap（提供与 Jupyter 一致的键位）、Jupyter Notebook Renderers（为 latex、plotly、vega 等 MIME 类型提供渲染器）、Jupyter Cell Tags 与 Jupyter Slide Show（给单元格打标签、支持演示幻灯片）。你也可以额外安装 Jupyter PowerToys 试用实验性功能（默认不装）。这些市场安装的扩展受 VS Code 市场条款约束，任一子扩展都可以按需禁用或卸载。扩展界面支持德语、英语、西班牙语、波斯语、法语、意大利语、日语、韩语、荷兰语、波兰语、葡萄牙语（巴西）、俄语、土耳其语、简体中文与繁体中文等多种语言。
二、环境准备与前置依赖
开始之前请准备好：
- 安装 Visual Studio Code；
- 安装 Anaconda 或 Miniconda，或任意一个已装好 Jupyter 包的 Python 环境；
- 若不使用 Python，需在机器上装好对应语言的 Jupyter 内核（kernelspec）；
- 网络可访问 Marketplace（离线见后文 VSIX）。
验证 Python 环境里已装好 Jupyter：
python -m pip install jupyter
jupyter --version用 conda 建环境的典型命令：
conda create -n mygpu python=3.11
conda activate mygpu
conda install jupyter ipykernel pandas matplotlib用 venv 则：
python -m venv .venv
source .venv/bin/activate # Windows: .venv\Scripts\activate
pip install jupyter ipykernel pandas matplotlib环境激活后，Jupyter 扩展通常能自动发现该环境作为可选内核；若没出现在列表里，执行 Notebook: Select Notebook Kernel 手动选择或指向该环境的 Python。
关于数据与隐私：该扩展会收集使用数据发送给微软以改进产品，遵循 VS Code 的 telemetry.telemetryLevel 设置，把它设为 off 即可关闭。
三、部署方式一：本地图形界面安装（推荐，Python）
官方推荐的五步流程：
第 1 步：安装 VS Code。
第 2 步：安装 Anaconda/Miniconda 或其他已装 Jupyter 包的 Python 环境。
第 3 步：安装 Jupyter 扩展与 Python 扩展。
第 4 步：打开命令面板（Ctrl+Shift+P），执行 Jupyter: Create New Jupyter Notebook 新建 Notebook。
第 5 步：点击 Notebook 右上角的内核选择器，或执行 Notebook: Select Notebook Kernel，选中你的 Python 内核，然后开始写代码。
用其他语言时：先装好对应语言的 Jupyter kernelspec，再只装 Jupyter 扩展，打开或新建 .ipynb 文件即可。例如 R 用户装好 IRkernel、Julia 用户装好 IJulia 后，内核就会出现在内核选择器里。
验证部署是否成功：新建一个 Notebook，第一个单元格输入 print("hello")，按 Shift+Enter 运行，下方输出 hello；再写 import pandas as pd 能正常导入，即说明内核与扩展都已就绪。
四、部署方式二：浏览器中使用 / Codespaces
Jupyter Notebook 也可以完全在浏览器里编辑，有两种方式：其一，Jupyter 扩展支持由 vscode.dev 提供的网页版界面（含在 GitHub 仓库页面按 . 进入的 github.dev）；其二，可以在 GitHub Codespaces 上像本地一样安装 Jupyter 扩展，或者用 VS Code 设置同步自动把扩展装到 Codespaces。这种方式无需在本机装任何东西，适合云端写 Notebook。在 GitHub 仓库页面按 . 即可一键进入 github.dev，体验与桌面版接近，适合临时查看与编辑 Notebook。
两种云端方式的取舍：vscode.dev 适合轻量、临时在浏览器里改文件；Codespaces 适合需要完整、可复现开发环境的场景，它会给你一台预装了工具链的云主机，Notebook 就在那台机器上跑。两者都支持把本地 VS Code 设置与扩展同步过去，切换几乎无感。
离线/内网环境则下载 Jupyter 扩展的 VSIX，通过扩展面板 "Install from VSIX..." 安装，同时把 Jupyter Keymap、Renderers 等依赖扩展的 VSIX 一并装上。注意 VS Code 里远程（SSH/容器/Codespaces）扩展要分"本地"与"远程"两侧安装：Jupyter 扩展建议装在远程侧，这样内核能直接访问远程文件系统与已装包。
五、Notebook 编辑能力与常用命令
Jupyter 扩展基于 VS Code 内置的 Notebook 支持，因此天然继承了编辑器的很多基础能力：热退出（hot exit）、查找替换、代码折叠、大纲视图（目录）、面包屑、快速加载 .ipynb，以及一个对 Notebook 友好的 diff 工具，方便对比单元格、输出与元数据的差异。编辑单元格时还能用 VIM、括号着色、Linter 等编辑器扩展。Notebook 文件加载很快，任何 .ipynb 都会尽快渲染出来，与执行相关的操作在后台初始化。
常用命令（命令面板输入 Jupyter 或 Notebook 即可看到全部）：
Jupyter: Create New Jupyter Notebook—— 新建一个 Notebook；Notebook: Select Notebook Kernel—— 选择或切换内核；Notebook: Change Cell Language—— 改变当前单元格的语言；Jupyter: Export to HTML/Jupyter: Export to PDF—— 把 Notebook 导出为适合演示的 HTML 或 PDF。
配合 Jupyter Cell Tags 与 Jupyter Slide Show 扩展，你还可以给单元格打上标签、把整个 Notebook 转成幻灯片式演示，直接用于报告现场。导出的 HTML/PDF 会把代码、Markdown 与图表输出一并固化，方便分享给不跑代码的同事。
在单元格操作上，你可以新增代码单元格或 Markdown 单元格、上移下移单元格、把单元格设为 Markdown 写说明、运行单个单元格或从头运行全部、清空输出、折叠单元格输入与输出。配合变量浏览器可以查看当前内核里的变量，用数据查看器以表格形式检视 pandas DataFrame，还能直接在单元格里 %matplotlib inline 渲染 matplotlib 图表。Markdown 单元格支持完整的 Markdown 语法，包括标题、列表、表格与数学公式。
你还可以用扩展的 context key 自定义快捷键，例如只在非 Web 扩展环境下把 Ctrl+I 绑定为运行并调试单元格：
{
"key": "ctrl+i",
"command": "jupyter.runAndDebugCell",
"when": "!jupyter.webExtension"
}输出渲染方面，扩展自带一套常用渲染器，市场上也支持安装自定义渲染器，让 Plotly、Vega、LaTeX 等输出以更漂亮的形式呈现。此外，VS Code 的 Notebook 架构是可扩展的：其他扩展可以提供自己的语言或运行时，例如 .NET Interactive Notebooks 就是基于这套机制。你甚至可以按 VS Code 的 renderer API 编写自己的输出渲染器。
六、常见问题与 FAQ（含报错解决）
Q1：选好内核后运行单元格报 "No module named jupyter" 或找不到内核？
A：再次强调，扩展本身不是内核。请确认你选中的那个 Python 环境里已经 pip install jupyter ipykernel，并在内核选择器里选对了对应的环境。conda 用户建议在对应 conda 环境里 conda install ipykernel。
Q2：运行单元格没反应、卡在连接内核？
A：通常是内核环境有问题。打开输出面板看 Jupyter 与 Python 的日志；先在终端手动激活该环境、执行 jupyter kernelspec list 确认内核已注册。必要时重新选择内核或重启 VS Code。
Q3：Plotly / 表格 / LaTeX 输出显示不正常？
A：这是渲染器缺失。确认 Jupyter Notebook Renderers 扩展已安装；复杂可视化也可安装对应的自定义渲染器扩展。
Q4：想导出成 PDF 失败？
A：导出 PDF 依赖 Notebook 的导出工具链，需确保内核环境里装好了对应的导出依赖。可先尝试导出 HTML 验证内容无误，再排查 PDF 导出。
Q5：在 vscode.dev 网页版里为什么某些功能不可用？
A：网页版受限于浏览器沙箱与远程环境，部分需要本地 Python 内核的能力受限；完整功能请在桌面版或 Codespaces 中使用。
Q6：怎么关掉扩展的遥测？
A：扩展会收集使用数据发送给微软，遵循 VS Code 的 telemetry.telemetryLevel 设置，把它设为 off 即可关闭，详见微软隐私声明。
Q7：怎么把现有 .ipynb 文件用起来？
A：直接在 VS Code 文件资源管理器里双击 .ipynb 文件即可用 Notebook 编辑器打开；也可以通过命令面板 Jupyter: Create New Jupyter Notebook 新建空 Notebook，再从 Jupyter Web 端上传已有文件。
Q8：远程内核 / SSH 环境怎么连？
A：用 Remote-SSH 扩展连接到远程主机后，在远程那一侧安装 Jupyter 扩展与对应 Python 环境，Notebook 会在远程内核里执行，本地只负责显示。Codespaces 同理。
Q9：单元格运行报错与在终端里直接跑脚本结果不一致？
A：多半是内核用的环境与你终端里激活的不是同一个。Notebook 的状态绑定到所选内核，运行 import sys; print(sys.executable) 确认内核解释器路径，再用 Notebook: Select Notebook Kernel 切到正确环境。改完环境后建议重启内核（Restart Kernel）让状态干净。
Q10：如何彻底卸载扩展？
A：在扩展面板找到 Jupyter 扩展选 Uninstall，并连带卸载 Keymap、Renderers、Cell Tags、Slide Show 等子扩展；这不会删除你的 .ipynb 文件与 Python 环境。
Q11：GPU / 深度学习环境怎么配？
A：在对应的 conda 或 venv 环境里按框架官方文档装好 CUDA、PyTorch/TensorFlow，再把该环境选为内核即可。扩展本身不关心你跑的是 CPU 还是 GPU，只要内核环境里库装对了。
调试 Notebook 单元格可以用 jupyter.runAndDebugCell，在单元格里打断点后逐行执行，配合变量监视查看中间状态，比传统 print 调试高效。运行耗时较长的训练任务时，也可以把单元格拆成多步，利用 VS Code 的热退出在重启后恢复未保存的编辑。
最后再强调一次内核与环境的对应关系：Notebook 顶部选中的内核决定了用哪份 Python、哪套已装包；切换项目或切换数据科学栈时，务必重新选对内核并重启，否则容易出现"明明 pip 装了却 import 不到"的困惑。把环境管理与内核选择这两步做扎实，整个 Notebook 工作流就顺了。
七、总结与相关资源
VS Code Jupyter 扩展把"写文档 + 跑代码 + 看图表"的 Notebook 工作流完整搬进了编辑器：装好 Python 环境与 Jupyter 包，再装上 Jupyter 扩展与 Python 扩展，新建 Notebook、选对内核就能开始。它继承了 VS Code 的编辑体验，并支持浏览器与 Codespaces 云端使用。最容易踩的坑就是忘了在所选环境里装 Jupyter/ipykernel——记住"扩展不是内核"即可。装好后，日常开发无非就是"新建 Notebook、选对内核、Shift+Enter 跑单元格"这几个动作。
更多资料：官方 Jupyter Notebook 文档、仓库 Discussions 与 Wiki，提问题或报 Bug 请到 GitHub Issues。