在 VS Code 中运行 Jupyter Notebook 代码，主要分为以下几步：
第一步：安装必要扩展
在 VS Code 扩展市场（Ctrl+Shift+X）中搜索并安装Microsoft 官方发布的 Jupyter 扩展（ID：ms-toolsai.jupyter）。
安装后重启 VS Code。
第二步：配置 Python 环境
在你的虚拟环境中安装必要的包：
pip install jupyter ipykernel然后注册内核（以你的 your-project 项目为例）：
python-m ipykernel install--user--name your-project--display-name"Python (your-project)"第三步：创建或打开 Notebook
有两种方式：
- 新建：按
Ctrl+Shift+P打开命令面板，输入Create: New Jupyter Notebook，或直接新建文件保存为.ipynb后缀 - 打开已有：直接在 VS Code 中打开
.ipynb文件，会自动以 Notebook 编辑器形式加载
第四步：选择内核
打开 Notebook 后，点击右上角的“Select Kernel”按钮，选择你刚才注册的Python (your-project)内核。
第五步：运行代码
| 操作 | 快捷键 |
|---|---|
| 运行当前单元格 | Shift+Enter（运行并跳到下一个） |
| 运行当前单元格（不跳转） | Ctrl+Enter |
| 运行当前单元格并插入新单元格 | Alt+Enter |
| 运行所有单元格 | 顶部工具栏的 “Run All” 按钮 |
| 中断执行 | 顶部红色方块按钮 |
针对你的 LangGraph 项目
如果你想把之前的 LangGraph 代码放到 Notebook 里运行，可以新建一个langgraph_demo.ipynb，然后把代码拆成多个单元格：
单元格 1（环境初始化）：
fromdotenvimportload_dotenv load_dotenv()fromlangchain_openaiimportChatOpenAIfromlanggraph.graphimportStateGraph,STARTfromlanggraph.graph.messageimportadd_messagesfromtypingimportAnnotatedfromtyping_extensionsimportTypedDictfromIPython.displayimportImage,display单元格 2（定义模型和图）：
model=ChatOpenAI(model="**",temperature=0,timeout=60,max_retries=3,)classState(TypedDict):messages:Annotated[list,add_messages]graph_builder=StateGraph(State)defchatbot(state:State):return{"messages":[model.invoke(state["messages"])]}graph_builder.add_node("chatbot",chatbot)graph_builder.add_edge(START,"chatbot")graph=graph_builder.compile()单元格 3（可视化）：
try:display(Image(graph.get_graph().draw_mermaid_png()))exceptExceptionase:print(f"可视化生成失败:{e}")单元格 4（对话测试）：
user_input="What do you know about LangGraph?"print("User:",user_input)foreventingraph.stream({"messages":[{"role":"user","content":user_input}]}):forvalueinevent.values():print("Assistant:",value["messages"][-1].content)这样每个单元格可以独立运行和调试，比在.py文件里跑方便很多。
运行之后就可以看到下面这种的结构：