Jupyter Notebook

Competência Jupyter Notebook

Crie notebooks Jupyter limpos e reprodutíveis para dois modos principais:

• Experimentos e análise exploratória
• Tutoriais e walkthroughs orientados ao ensino

Prefira os modelos incluídos e o script auxiliar para uma estrutura consistente e menos erros no JSON.

Quando usar

• Crie um novo .ipynb notebook a partir do zero.
• Converta notas soltas ou scripts num notebook estruturado.
• Refatore um notebook existente para que seja mais reprodutível e fácil de ler.
• Construa experimentos ou tutoriais que serão lidos ou executados por outras pessoas.

Árvore de decisão

• Se o pedido for exploratório, analítico ou orientado por hipóteses, escolha experiment.
• Se o pedido for instrucional, passo-a-passo ou dirigido a um público específico, escolha tutorial.
• Se estiver a editar um notebook existente, trate-o como uma refatoração: preserve a intenção e melhore a estrutura.

Caminho de competências (definir uma vez)

export CODEX_HOME="${CODEX_HOME:-$HOME/.codex}"
export JUPYTER_NOTEBOOK_CLI="$CODEX_HOME/skills/jupyter-notebook/scripts/new_notebook.py"

As skills a nível de utilizador instalam-se em $CODEX_HOME/skills (por omissão: ~/.codex/skills).

Workflow

1. Defina a intenção. Identifique o tipo de notebook: experiment ou tutorial. Registe o objetivo, o público e como se percebe que está "concluído".

2. Estruture a partir do modelo. Use o script auxiliar para evitar criar manualmente o JSON bruto do notebook.

uv run --python 3.12 python "$JUPYTER_NOTEBOOK_CLI" \
  --kind experiment \
  --title "Compare prompt variants" \
  --out output/jupyter-notebook/compare-prompt-variants.ipynb

uv run --python 3.12 python "$JUPYTER_NOTEBOOK_CLI" \
  --kind tutorial \
  --title "Intro to embeddings" \
  --out output/jupyter-notebook/intro-to-embeddings.ipynb

3. Preencha o notebook com pequenos passos executáveis. Mantenha cada célula de código focada num único passo. Adicione pequenas células markdown que expliquem o propósito e o resultado esperado. Evite saídas grandes e ruidosas quando um resumo curto for suficiente.

4. Aplique o padrão adequado. Para experimentos, siga references/experiment-patterns.md. Para tutoriais, siga references/tutorial-patterns.md.

5. Edite com segurança ao trabalhar com notebooks existentes. Preserve a estrutura do notebook; evite reordenar células a menos que isso melhore a narrativa de cima para baixo. Prefira edições direcionadas em vez de reescritas completas. Se tiver de editar o JSON bruto, reveja references/notebook-structure.md primeiro.

6. Valide o resultado. Execute o notebook de cima para baixo quando o ambiente permitir. Se a execução não for possível, declare-o explicitamente e indique como validar localmente. Use a checklist de passagem final em references/quality-checklist.md.

Modelos e script auxiliar

• Os modelos estão em assets/experiment-template.ipynb e assets/tutorial-template.ipynb.
• O script auxiliar carrega um modelo, atualiza a célula de título e escreve um notebook.

Script path:

• $JUPYTER_NOTEBOOK_CLI (instalado por omissão: $CODEX_HOME/skills/jupyter-notebook/scripts/new_notebook.py)

Convenções para ficheiros temporários e de saída

• Use tmp/jupyter-notebook/ para ficheiros intermédios; elimine quando terminar.
• Escreva artefactos finais em output/jupyter-notebook/ quando trabalhar neste repo.
• Use nomes de ficheiro estáveis e descritivos (por exemplo, ablation-temperature.ipynb).

Dependências (instalar só quando necessário)

Prefira uv para gestão de dependências.

Optional Python packages for local notebook execution:

uv pip install jupyterlab ipykernel

O script de scaffolding incluído usa apenas a biblioteca padrão do Python e não requer dependências extra.

Ambiente

Não há variáveis de ambiente obrigatórias.

Mapa de referência

• references/experiment-patterns.md: estrutura de experimentos e heurísticas.
• references/tutorial-patterns.md: estrutura de tutoriais e fluxo de ensino.
• references/notebook-structure.md: forma do JSON do notebook e regras de edição segura.
• references/quality-checklist.md: checklist de validação final.

Aviso legal: Este documento foi traduzido usando o serviço de tradução por IA Co-op Translator. Embora nos esforcemos por garantir a exatidão, esteja ciente de que traduções automáticas podem conter erros ou imprecisões. O documento original na sua língua nativa deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se uma tradução profissional realizada por um tradutor humano. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações incorretas decorrentes da utilização desta tradução.

Source: microsoft/ai-agents-for-beginners — distributed by TomeVault.