// వినియోగదారు ప్రయోగాలు, అన్వేషణలు లేదా పాఠ్యాల కోసం Jupyter నోట్బుక్స్ (`.ipynb`) సృష్టించమని, ఆధార నిర్మాణం (scaffold) చేయమని లేదా సవరిచమని అడిగినప్పుడు ఉపయోగించండి; బండిల్ చేయబడ్డ టెంప్లేట్లను ప్రాధాన్యంగా ఉపయోగించి సహాయక స్క్రిప్ట్ `new_notebook.py` ని నడపండి ఒక శుభ్రమైన ప్రారంభ నోట్బుక్ రూపొందించడానికి.
[HINT] SKILL.mdと関連ファイルを含む完全なスキルディレクトリをダウンロード
| name | jupyter-notebook |
| description | వినియోగదారు ప్రయోగాలు, అన్వేషణలు లేదా పాఠ్యాల కోసం Jupyter నోట్బుక్స్ (`.ipynb`) సృష్టించమని, ఆధార నిర్మాణం (scaffold) చేయమని లేదా సవరిచమని అడిగినప్పుడు ఉపయోగించండి; బండిల్ చేయబడ్డ టెంప్లేట్లను ప్రాధాన్యంగా ఉపయోగించి సహాయక స్క్రిప్ట్ `new_notebook.py` ని నడపండి ఒక శుభ్రమైన ప్రారంభ నోట్బుక్ రూపొందించడానికి. |
రెండు ప్రధాన మోడ్ల కోసం శుభ్రంగా, పునఃరుత్పాదకంగా ఉండే Jupyter నోట్బుక్స్ సృష్టించండి:
సంయుక్తంగా ఉన్న టెంప్లేట్లు మరియు సహాయ స్క్రిప్ట్ను ప్రాధాన్యతగా ఉపయోగించండి, తద్వారా ఒకరూపమైన నిర్మాణం మరియు తక్కువ JSON తప్పులను పొందవచ్చు.
.ipynb నోట్బుక్ను క్రొత్తగా సృష్టించండి.experiment ను ఎంచుకోండి.tutorial ను ఎంచుకోండి.export CODEX_HOME="${CODEX_HOME:-$HOME/.codex}"
export JUPYTER_NOTEBOOK_CLI="$CODEX_HOME/skills/jupyter-notebook/scripts/new_notebook.py"
User-scoped skills install under $CODEX_HOME/skills (default: ~/.codex/skills).
Lock the intent.
Identify the notebook kind: experiment or tutorial.
Capture the objective, audience, and what "done" looks like.
Scaffold from the template. Use the helper script to avoid hand-authoring raw notebook JSON.
uv run --python 3.12 python "$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
Fill the notebook with small, runnable steps. Keep each code cell focused on one step. Add short markdown cells that explain the purpose and expected result. Avoid large, noisy outputs when a short summary works.
Apply the right pattern.
For experiments, follow references/experiment-patterns.md.
For tutorials, follow references/tutorial-patterns.md.
Edit safely when working with existing notebooks.
Preserve the notebook structure; avoid reordering cells unless it improves the top-to-bottom story.
Prefer targeted edits over full rewrites.
If you must edit raw JSON, review references/notebook-structure.md first.
Validate the result.
Run the notebook top-to-bottom when the environment allows.
If execution is not possible, say so explicitly and call out how to validate locally.
Use the final pass checklist in references/quality-checklist.md.
assets/experiment-template.ipynb and assets/tutorial-template.ipynb.Script path:
$JUPYTER_NOTEBOOK_CLI (installed default: $CODEX_HOME/skills/jupyter-notebook/scripts/new_notebook.py)tmp/jupyter-notebook/ for intermediate files; delete when done.output/jupyter-notebook/ when working in this repo.ablation-temperature.ipynb).Prefer uv for dependency management.
Optional Python packages for local notebook execution:
uv pip install jupyterlab ipykernel
The bundled scaffold script uses only the Python standard library and does not require extra dependencies.
No required environment variables.
references/experiment-patterns.md: experiment structure and heuristics.references/tutorial-patterns.md: tutorial structure and teaching flow.references/notebook-structure.md: notebook JSON shape and safe editing rules.references/quality-checklist.md: final validation checklist.నిరాకరణ: ఈ పత్రాన్ని AI అనువాద సేవ Co-op Translator ద్వారా అనువదించబడింది. మేము ఖచ్చితత్వానికి యత్నిస్తామొక్క, కాని స్వయంచాలక అనువాదాలలో పొరపాట్లు లేదా తప్పులు ఉండే అవకాశం ఉందని దయచేసి గమనించండి. మూల భాషలోని అసలైన పత్రాన్ని అధికారిక మూలంగా పరిగణించాలి. ముఖ్యమైన సమాచారానికి వృత్తిపరమైన మానవ అనువాదాన్ని సిఫార్సు చేయబడుతుంది. ఈ అనువాదాన్ని ఉపయోగించడం వల్ల ఏర్పడిన ఏవైనా అపార్థాలు లేదా తప్పైన అనువయానాల కోసం మేము బాధ్యులం కము.