Claude Code 能分析 Jupyter Notebook 吗？Data Science 场景下它到底做了什么

Name

Soren Atelier

更新于 2026/4/15

Claude Code 可以分析 Jupyter Notebook，但它的方式和很多数据科学用户想的不一样。它并不是一个真正理解当前 kernel、变量状态和最新输出的 notebook-native agent。更准确地说，它主要是在把 .ipynb 当成一种结构化文件来读取、总结和编辑。

这个区别非常重要。对普通软件工程任务来说，文件级理解很多时候已经够用；但对 Data Science 来说，notebook 的价值恰恰来自运行状态、DataFrame 内容、图表输出和实验过程。如果工具只理解文件，不理解状态，那它就只能理解工作流的一部分。

如果你想继续沿着这个话题往下读，可以先看 Jupyter AI RunCell、如何用 Codex 处理代码任务、以及 如何把 .ipynb 转成 HTML。

直接结论

Claude Code 在 Notebook 里擅长什么

当 notebook 被当成“需要阅读和整理的文档”时，Claude Code 是有价值的。

比较适合的任务包括：

• 按章节总结 notebook 在做什么
• 解释每个 cell 的作用
• 把混乱的 pandas 处理逻辑改写得更清楚
• 补齐 markdown 说明
• 删除冗余 cell 或拆分超长 cell

这让它适合 notebook review、结构清理和内容重构，但不等于它适合继续接管一个正在运行的分析流程。

Claude Code 实际上是怎么处理 Notebook 的

结合源码调研，Claude Code 主要有两类 notebook 能力：

• 通过 notebook-aware 的读取路径处理 .ipynb
• 通过 NotebookEdit 之类的能力按 cell 编辑 notebook

但它的边界始终在文件层。

1. 它读取的是 notebook JSON，不是 Jupyter 的实时环境

Claude Code 在遇到 .ipynb 时，会解析 notebook JSON，提取 cells 和已保存 outputs，再把这些内容整理成模型更容易消费的结构。

它没有做很多 Data Science 用户真正想要的事情：

• 不控制 Jupyter kernel
• 不直接管理 Jupyter server
• 不读取 live variables
• 不执行 cell
• 不负责 restart / rerun

所以一个输出如果已经过期，它并不知道。一个输出如果已经被清空，它也只能看到剩下的代码和 markdown。

2. 它按 cell 编辑 notebook，但本质上还是在改文件

Claude Code 的 notebook 编辑不是简单的字符串替换。它可以按 cell 插入、替换、删除内容，也会在代码改变时清掉旧输出。

这说明它确实“懂 notebook 文件结构”，但不代表它已经“进入 Jupyter 的运行时”。它更像一个知道 .ipynb 长什么样的文件编辑器，而不是一个真正继续执行 notebook 的 agent。

3. 最重要的判断

这篇调研最核心的结论可以压缩成一句话：

Claude Code 理解的是 Jupyter Notebook 的文件结构，而不是 Jupyter 的运行时结构。

(opens in a new tab)

为什么这对 Data Science 特别重要

在数据科学工作流里，难点通常不只是“Python 语法怎么写”。真正难的是：

• 当前到底是哪一个 DataFrame 在生效
• 某个结果来自旧数据还是新数据
• 上游 schema 一改，后面哪些 cell 会一起坏掉
• 图表是否真的反映了当前实验状态
• 这个 notebook 的执行顺序是否还能复现

这也是为什么很多通用 software engineering agent 在 notebook 场景里会显得“能看，但不够顺手”。它们可以帮你读懂 notebook 文件，却不一定能帮你完成 notebook 工作。

RunCell 更适合真正的 Jupyter Data Science 工作流

这正是 RunCell (opens in a new tab) 应该出现的位置。

Claude Code 能看 .ipynb，也能改里面的 cell，这一点没问题。
但对很多数据科学用户来说，麻烦本来就不只是“把代码改掉”。

真正让人头疼的，通常是这些事：

• notebook 已经跑到一半了，前面哪些 cell 执行过，哪些没执行过，很容易乱
• 你现在看到的图，到底是不是基于最新数据跑出来的，不一定说得清
• 上游改了一个字段名，后面十几个 cell 可能都会受影响
• agent 能帮你改代码，但不一定知道你当前到底在分析哪一步

这也是为什么，很多通用 coding agent 看起来“能处理 notebook”，但真用到 Jupyter 工作流里时，总会差一点。它能读文件，但不一定真的明白你这个 notebook 现在是什么情况。

RunCell 不是一个先为软件工程设计、再顺手兼容 .ipynb 的工具。它更像是专门给 Jupyter 和 Data Science 用户做的 AI Agent，重点不只是“会不会改代码”，而是能不能让你少来回切窗口、少手动回头查 cell、少靠猜去判断输出到底对不对。

如果你的任务是 notebook 审查、结构整理、文档化，Claude Code 已经有帮助。
但如果你平时就在 Jupyter 里做这些事：

• EDA
• 清洗数据
• 调参
• 看图排错
• 一边试一边改 notebook

那 RunCell 往往会更顺手。因为你的目标不是“把一段代码改对”，而是“把这次分析继续做下去”。

如果你已经遇到过这种情况：agent 能帮你改 .ipynb，但改完以后你还是得自己回头检查输出、确认变量、重跑几个 cell，才能知道分析有没有真的接上。那你可以直接试试 RunCell (opens in a new tab)。它更像是在 Jupyter 里面和你一起继续做分析，而不是站在 notebook 外面帮你改文件。

什么时候选 Claude Code，什么时候选 RunCell

更适合 Claude Code 的情况：

• 你要把 notebook 当文件来审查
• 你要重写或整理 cells
• 你要把旧 notebook 提炼成脚本或文档
• 你的主战场仍然是代码库，notebook 只是附属资产

更适合 RunCell 的情况：

• 你的主工作环境就是 Jupyter
• 你在做 EDA、特征工程、建模和可视化
• 你需要 agent 理解 notebook 上下文和执行顺序
• 你希望分析、执行、调试和迭代留在一个工作流里

相关阅读

• Jupyter AI Agent 将 Jupyter Notebook 变成数据科学“副驾驶”
• Codex vs Claude Code Skills：设置、配置与跨工具共享技能指南
• 如何用 Codex 处理代码任务
• 如何把 .ipynb 转成 HTML