Skip to main content

jupyter-notebook

زمانی استفاده شود که کاربر درخواست ایجاد، ساختاردهی یا ویرایش دفترچه‌های Jupyter (`.ipynb`) برای آزمایش‌ها، کاوش‌ها یا آموزش‌ها را دارد؛ از قالب‌های همراه ترجیحاً استفاده کنید و اسکریپت کمکی `new_notebook.py` را اجرا کنید تا یک دفترچهٔ آغازین تمیز تولید شود.

설치로 이동

소스 정보

저장소
microsoft/ai-agents-for-beginners
최근 소스 활동
2026년 2월 19일 06:04
감지된 SKILL.md 언어
다국어 혼합
스타
75,881
포크
24,938

설치 방법

기본적으로 소스를 먼저 확인하는 Prompt가 선택됩니다. 직접 명령으로 전환하거나 로컬 사본을 다운로드할 수도 있습니다.

소스 파일 검토

설치 여부를 결정하기 전에 SKILL.md와 SkillsMP에 표시된 보조 파일을 읽어 보세요.

파일 탐색기
7 개 파일

SKILL.md 표시 중

SKILL.md
소스 지침 · 읽기 전용 미리보기
name
jupyter-notebook
description
زمانی استفاده شود که کاربر درخواست ایجاد، ساختاردهی یا ویرایش دفترچه‌های Jupyter (`.ipynb`) برای آزمایش‌ها، کاوش‌ها یا آموزش‌ها را دارد؛ از قالب‌های همراه ترجیحاً استفاده کنید و اسکریپت کمکی `new_notebook.py` را اجرا کنید تا یک دفترچهٔ آغازین تمیز تولید شود.
# مهارت Jupyter Notebook دفترچه‌های Jupyter تمیز و بازتولیدپذیر برای دو حالت اصلی ایجاد کنید: - آزمایش‌ها و تجزیه و تحلیل اکتشافی - آموزش‌ها و راهنماهای آموزشی مرحله‌به‌مرحله قالب‌های بسته‌بندی‌شده و اسکریپت کمکی را برای ساختار یکنواخت و کاهش خطاهای JSON ترجیح دهید. ## When to use - یک دفترچه جدید `.ipynb` از ابتدا ایجاد کنید. - یادداشت‌ها یا اسکریپت‌های خام را به یک دفترچه ساختارمند تبدیل کنید. - یک دفترچه موجود را بازسازی کنید تا قابل بازتولیدتر و قابل مرور سریع‌تر باشد. - آزمایش‌ها یا آموزش‌هایی بسازید که توسط دیگران خوانده یا دوباره اجرا شوند. ## Decision tree - اگر درخواست اکتشافی، تحلیلی، یا مبتنی بر فرضیه است، `experiment` را انتخاب کنید. - اگر درخواست آموزشی، مرحله‌به‌مرحله، یا ویژهٔ مخاطب است، `tutorial` را انتخاب کنید. - اگر در حال ویرایش یک دفترچه موجود هستید، آن را به‌عنوان یک بازسازی (refactor) در نظر بگیرید: هدف را حفظ کنید و ساختار را بهبود دهید. ## Skill path (set once) ```bash 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`). ## Workflow 1. هدف را تثبیت کنید. Identify the notebook kind: `experiment` or `tutorial`. Capture the objective, audience, and what "done" looks like. 2. از قالب پایه‌ای (scaffold) استفاده کنید. Use the helper script to avoid hand-authoring raw notebook JSON. ```bash uv run --python 3.12 python "$JUPYTER_NOTEBOOK_CLI" \ --kind experiment \ --title "Compare prompt variants" \ --out output/jupyter-notebook/compare-prompt-variants.ipynb ``` ```bash uv run --python 3.12 python "$JUPYTER_NOTEBOOK_CLI" \ --kind tutorial \ --title "Intro to embeddings" \ --out output/jupyter-notebook/intro-to-embeddings.ipynb ``` 3. دفترچه را با گام‌های کوچک و قابل اجرا پر کنید. 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. 4. الگوی مناسب را اعمال کنید. For experiments, follow `references/experiment-patterns.md`. For tutorials, follow `references/tutorial-patterns.md`. 5. هنگام کار با دفترچه‌های موجود، با احتیاط ویرایش کنید. 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. 6. نتیجه را اعتبارسنجی کنید. 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`. ## Templates and helper script - قالب‌ها در `assets/experiment-template.ipynb` و `assets/tutorial-template.ipynb` قرار دارند. - اسکریپت کمکی یک قالب را بارگذاری می‌کند، سلول عنوان را به‌روزرسانی می‌کند، و یک دفترچه می‌نویسد. Script path: - `$JUPYTER_NOTEBOOK_CLI` (نصب پیش‌فرض: `$CODEX_HOME/skills/jupyter-notebook/scripts/new_notebook.py`) ## Temp and output conventions - از `tmp/jupyter-notebook/` برای فایل‌های میانی استفاده کنید؛ پس از اتمام حذف کنید. - آثار نهایی را در `output/jupyter-notebook/` بنویسید وقتی در این مخزن کار می‌کنید. - از نام‌فایل‌های پایدار و توصیفی استفاده کنید (برای مثال، `ablation-temperature.ipynb`). ## Dependencies (install only when needed) Prefer `uv` for dependency management. Optional Python packages for local notebook execution: ```bash uv pip install jupyterlab ipykernel ``` The bundled scaffold script uses only the Python standard library and does not require extra dependencies. ## Environment هیچ متغیر محیطی اجباری وجود ندارد. ## Reference map - `references/experiment-patterns.md`: ساختار آزمایش و قواعد سرانگشتی. - `references/tutorial-patterns.md`: ساختار آموزش و جریان تدریس. - `references/notebook-structure.md`: شکل JSON دفترچه و قوانین ویرایش ایمن. - `references/quality-checklist.md`: چک‌لیست اعتبارسنجی نهایی. --- <!-- CO-OP TRANSLATOR DISCLAIMER START --> سلب مسئولیت: این سند با استفاده از سرویس ترجمهٔ مبتنی بر هوش مصنوعی Co-op Translator (https://github.com/Azure/co-op-translator) ترجمه شده است. در حالی که ما در تلاش برای دقت هستیم، لطفاً توجه داشته باشید که ترجمه‌های خودکار ممکن است حاوی خطاها یا نادرستی‌هایی باشند. نسخهٔ اصلی سند به زبان مادری‌اش باید به‌عنوان منبع معتبر در نظر گرفته شود. برای اطلاعات حیاتی، ترجمهٔ حرفه‌ای انسانی توصیه می‌شود. ما در قبال هر گونه سوءتفاهم یا تفسیر نادرستی که از استفاده از این ترجمه ناشی شود، مسئولیتی نداریم. <!-- CO-OP TRANSLATOR DISCLAIMER END -->
GitHub에서 보기