在 Jupyter Notebook 环境中进行数据分析、实验和原型设计已经成为许多数据科学家的首选。随着 大模型 技术的快速发展，Jupyter Notebook 不再仅仅是一个代码执行环境，更可以成为一个集成了 AI 工具 的智能工作平台。本文将深入评测当前最引人注目的 Jupyter Notebook AI 工具，并着重介绍 Mito-AI Data Copilot 在 Python 数据分析方面的独特优势。
Mito-AI Data Copilot：Jupyter Notebook 的 AI 优先 IDE
Mito-AI Data Copilot 是一款旨在将 Jupyter Notebook 改造为“数据分析的 AI 优先 IDE”的强大工具。它通过深度集成 大模型 能力，极大地提升了数据分析的效率和便捷性。
安装 Mito-AI Data Copilot 非常简单：
pip install mito-ai mitosheet
安装完成后，Mito-AI Data Copilot 就能在你的 Jupyter Notebook 中提供以下核心功能：
- 智能聊天助手: Mito-AI 提供了一个聊天界面，它可以感知当前 Notebook 的代码和 DataFrame 结构，无需复制粘贴，大模型 就能理解上下文，并给出智能的 Python 代码建议，包括数据清洗、过滤和可视化。例如，你可以直接用自然语言提问：“如何去除DataFrame中包含缺失值的行？”，它就能给出相应的代码。
- 自动补全与智能调试: 通过 Tab 键触发代码自动补全功能，极大地提升了编码效率。更令人惊艳的是“AI 聊天修复错误”按钮，它可以利用 大模型 识别并解决运行时错误，减少调试时间。例如，当你运行一段代码出现
NameError时，Mito-AI 会自动分析错误原因，并给出可能的解决方案。 - 电子表格转代码编辑器: 提供一个交互式电子表格界面，所有在电子表格中的操作都会自动生成可用于生产环境的 Pandas 代码，无需手动转换。这对于习惯使用电子表格的用户来说，极大地降低了学习 Pandas 的门槛。例如，你可以通过在电子表格中筛选数据、进行排序和分组，Mito-AI 会自动生成对应的 Pandas 代码，例如：
# 假设你在 Mito 中对 DataFrame 'df' 进行了如下操作：
# 1. 筛选了 'sales' 列大于 100 的数据
# 2. 按照 'region' 列进行了分组
# Mito-AI 会自动生成如下代码：
import pandas as pd
# 读取数据（如果数据还未加载）
# df = pd.read_csv('your_data.csv')
# 筛选 'sales' 列大于 100 的数据
df_filtered = df[df['sales'] > 100]
# 按照 'region' 列进行分组
df_grouped = df_filtered.groupby('region')
# 对分组后的数据进行聚合操作（例如，计算每组的平均销售额）
df_mean_sales = df_grouped['sales'].mean()
print(df_mean_sales)
- 提示词生成图表: 通过简单的自然语言提示（例如，“绘制销售额按地区分布的直方图”），即可生成完整的可视化图表，包括静态图和交互式图表。这极大地简化了数据可视化的流程，无需编写复杂的 Matplotlib 或 Seaborn 代码。
- Copilot 记忆与数据感知: 自动发送 DataFrame 结构和样本数据，并记住对话历史记录，方便后续提示时引用，保持上下文连贯性。例如，你在一次对话中加载了某个数据集，在后续的对话中，无需再次加载，直接引用 DataFrame 的名字即可。
从生产力的角度来看，没有其他工具像 Mito-AI 这样紧密地集成 Jupyter Notebook、代码和数据。 Mito-AI 是一个数据感知的 Copilot，它理解你的数据结构，保持上下文，让你能够：
- 一键修复代码中的 Bug
- 通过可视化方式转换电子表格，同时生成代码
- 利用 AI 聊天、自动补全和调试功能，全部在 Notebook 内部完成。
Mito-AI 集聊天、调试、电子表格和可视化向导于一体，为你提供了一个既懂你的代码又懂你的数据的 AI 助手，这是一种独特的价值主张。例如，一个数据科学家需要清洗一个包含缺失值、异常值和重复值的数据集，他可以使用 Mito-AI Data Copilot，通过电子表格的可视化操作，快速清理数据，同时自动生成 Pandas 代码，无需手动编写复杂的代码逻辑。
Jupyter AI：Jupyter 官方的 AI 集成
Jupyter AI 是 Jupyter 项目社区官方的 AI 集成方案。它添加了：
%%ai魔术命令，用于生成/解释/修复代码，总结内容，甚至生成整个 Notebook。例如，你可以使用%%ai code来生成一段用于计算 DataFrame 平均值的代码，或者使用%%ai explain来解释一段复杂的代码逻辑。- JupyterLab 中内置的聊天面板，充当对话式助手。用户可以通过自然语言与 大模型 交互，获取帮助信息、生成代码片段或进行数据分析。
- 支持各种 大模型 提供商（OpenAI、Anthropic、Hugging Face、AWS 等）。这使得用户可以根据自己的需求选择最合适的 大模型。
- 对 AI 生成的单元格进行元数据跟踪，以提高透明度。这有助于用户了解代码的来源和生成过程，并进行溯源。
Jupyter AI 的优点：
- 官方且开源，由 Jupyter 生态系统提供支持。
- 模型无关，支持本地或云端 LLM。
- 包括围绕数据隐私和出处的安全功能。
Jupyter AI 的局限性：
- 需要手动提示才能进行修复/生成。
- 没有内置记忆——每个提示都是一个干净的 slate。
- 缺乏特定于 DataFrame 分析的数据感知功能。
- 相较于 Mito-AI，Jupyter AI 在数据分析方面的智能化程度还有待提高。例如，它无法像 Mito-AI 那样，通过电子表格的可视化操作自动生成 Pandas 代码。
Notebook Intelligence (NBI)：GitHub Copilot 加持的 JupyterLab 助手
Notebook Intelligence (NBI) 是一个基于 JupyterLab 构建的、由 GitHub Copilot 提供支持的工具。它提供：
- 内联“生成代码”助手和差异比较。可以在编辑器中直接生成代码，并与现有代码进行比较，方便用户进行代码审查和修改。
- 单元格上下文菜单选项，用于解释或修复代码。右键单击单元格，即可选择解释代码或修复代码，快速解决问题。
- 由 Copilot 提供支持的自动完成功能，可以感知周围的 Notebook 环境。例如，当你在输入
pd.时，Copilot 会自动提示 Pandas 库中常用的函数和方法。
NBI 的优点：
- 与熟悉的 Copilot 体验无缝集成。对于已经习惯使用 GitHub Copilot 的开发者来说，NBI 的学习成本较低。
- 内联工作流程——直接从工具栏或快捷方式触发代码助手。
- 上下文相关的代码生成和修复。Copilot 可以根据当前的代码上下文，生成更准确、更相关的代码片段。
NBI 的局限性：
- 需要 GitHub Copilot 订阅。
- AI 是通用的，不以数据为中心——没有 DataFrame 感知或用于数据问题的内置调试。
- NBI 更侧重于代码生成和代码修复，在数据分析方面的支持相对较弱。例如，它无法像 Mito-AI 那样，通过自然语言提示生成可视化图表。
VS Code AI for Notebooks：VS Code 中的 Jupyter Notebook 增强
在 VS Code 中，AI 功能扩展到 Jupyter Notebook——通过 Copilot 和微软的 AI 工具包。 你可以：
- 搭建新的 Notebook。
- 生成/编辑单元格。
- 询问有关代码的问题。
- 分析或可视化数据——全部在 VS Code 的单元格中完成。
VS Code AI for Notebooks 的优点：
- 具有完整 IDE 功能的一流编码体验。VS Code 提供了强大的代码编辑、调试和版本控制功能，可以极大地提升开发效率。
VS Code AI for Notebooks 的局限性：
- VS Code 特定的——JupyterLab 用户将无法受益。
- 与 NBI 类似，它缺乏数据感知智能，例如 DataFrame 上下文。
- VS Code AI for Notebooks 虽然集成了 AI 功能，但在数据分析方面的智能化程度不如 Mito-AI。例如，它无法像 Mito-AI 那样，通过电子表格的可视化操作自动生成 Pandas 代码。
总结：Mito-AI Data Copilot 的领先地位
综上所述，Mito-AI Data Copilot 是最完整的工具——集聊天、调试、电子表格编辑器、图表提示和记忆于一体——使其成为 Jupyter 中必不可少的 AI 助手。 它以其对数据的深度理解和智能化的操作方式，简化了数据分析的流程，降低了学习 Pandas 的门槛，极大地提升了数据分析的效率。
Jupyter AI 添加了官方 AI 魔术命令和聊天功能，为 Jupyter Notebook 增加了基本的 AI 能力。 Notebook Intelligence / VS Code Copilot 带来了内联 AI 生成和编辑功能，方便用户进行代码生成和代码修复。
然而，只有 Mito-AI Data Copilot 真正做到了数据感知和智能化，它能够理解你的数据结构，记住你的对话历史，并根据你的意图，自动生成代码、可视化图表和调试信息。 它是一款真正能够提升数据分析效率的 AI 工具，是 Jupyter Notebook 在 大模型 时代的最佳助手。
展望未来，随着 大模型 技术的不断发展，相信会有更多更强大的 AI 工具 集成到 Jupyter Notebook 中，为数据科学家提供更智能、更便捷的工作体验。而 Mito-AI Data Copilot 无疑是目前最值得推荐的选择。它将 Jupyter Notebook 从一个简单的代码执行环境，转变为一个集成了 AI 能力的智能工作平台，极大地提升了数据分析的效率和创造力。