包包和糖葫芦1. Jupyter Notebook：LLM开发者的瑞士军刀
作为一位长期使用Jupyter Notebook进行机器学习开发的工程师，我深刻体会到它在LLM开发中的独特价值。不同于传统IDE，Jupyter的交互式特性让它成为调试API、实验Prompt和记录学习笔记的完美工具。每次打开那个熟悉的浏览器界面，就像打开一个数字实验室笔记本，代码、结果和思考过程都能有机地结合在一起。
提示：如果你是从传统IDE（如PyCharm或VS Code）转过来的开发者，需要适应Jupyter的"单元格"思维——把代码分解为可独立执行的逻辑块，这能极大提升LLM调试效率。
安装Jupyter只需一行命令（已安装Python的情况下）：
bash复制pip install notebook
启动后会自动打开浏览器窗口，默认地址是http://localhost:8888。这个基于Web的界面实际上是一个完整的Python开发环境，背后运行着IPython内核。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 核心界面解析：30秒快速上手
2.1 文件浏览器：你的数字工作台
左侧文件目录与本地文件系统完全同步，这意味着：
- 可以直接在系统中用Finder/资源管理器管理文件
- 支持拖拽上传文件（比如数据集或配置文件）
- 右键文件可进行复制、重命名等操作
建议为LLM项目创建专用目录结构，例如：
code复制LLM_Projects/
├── week1_API_Basics/
├── week2_Prompt_Engineering/
└── datasets/
2.2 工具栏：高频功能集中地
除了提到的New和Logout按钮，这些功能也很实用：
- Duplicate：复制当前笔记本（快速创建实验分支）
- Rename：重命名文件（比点击标题更可靠）
- Download：导出.ipynb文件（备份或分享）
2.3 文件类型解析
.ipynb文件实质上是JSON格式的文档，包含：
- 代码单元格及执行状态
- Markdown格式的笔记
- 输出结果（包括图表）
这种结构使得版本控制时能完整保留上下文。