$ loading_
在 JupyterLab 中集成多种大模型与代理能力，辅助代码、数据分析和自动化工作。
该技能材料显示其为开源的 prompt-only 项目，且未声明需要密钥、远程端点或本地执行能力，整体风险较低。由于 README 缺失、维护状态未知，功能细节与实际数据边界仍需在安装前进一步核实。
材料明确标注“需要的密钥/环境变量：无”，未见要求用户提供 API key、token 或其他敏感凭证；基于现有材料，凭证泄露或滥用风险较低。
系统检查项标注为 prompt-only，且“远程端点 host：无”；虽描述提到支持 Claude Code、Copilot、Ollama 和 OpenAI-compatible LLMs，但未提供任何实际外发端点或数据传输说明，现有材料下未见明确网络外发行为。
客观检查项为 prompt-only，材料中也未声明会在本机启动进程、执行脚本或调用系统命令；因此未见本地代码执行权限需求。
未声明读写本地文件、笔记本内容、系统目录或其他资源权限；尽管名称和描述与 JupyterLab/notebook 场景相关，但提供材料未给出任何具体数据访问范围，暂未见过度授权迹象。
来源为 GitHub 开源仓库，GPL-3.0 许可且有 311 star，具备一定可审计性和社区采用度，这是明显的降风险因素；但 README 缺失、维护状态未知，导致实际功能与依赖边界难以确认，供应链层面建议保持留意。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"notebook-intelligence" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
在 JupyterLab 笔记本中，基于当前 DataFrame 帮我编写 Python 代码：完成缺失值处理、按月份汇总销售额，并绘制趋势图。请解释每一步。
生成可直接运行的 Python 分析代码，并附带步骤说明与图表绘制逻辑。
检查当前笔记本中的代码单元，找出性能瓶颈和重复逻辑，重构为更清晰高效的版本，并说明修改原因。
返回优化后的代码建议、重构版本，以及性能和可维护性改进说明。
使用已连接的 Ollama 或 OpenAI 兼容模型，阅读当前实验笔记内容，总结关键发现，列出下一步实验建议，并生成待办清单。
输出实验摘要、后续建议和结构化待办事项，便于继续研究或协作。
连接 Google NotebookLM，在 AI 工作流中完成研究、资料分析与内容生成。