Ноутбуки Jupyter

Делает ноутбуки Jupyter для экспериментов и учебных разборов из готовых шаблонов через скрипт на стандартной библиотеке, с правилами структуры и чек-листом прогона. Для случаев, когда нужен новый ноутбук или старый надо сделать понятным и перезапускаемым.

Базы данных и SQLПак: Скиллы OpenAI107 строкjupyter-notebook
Автор
Источник
openai/skills/skills/.curated/jupyter-notebook @ 49f948f
Лицензия
Apache-2.0

Об этом скилле

Что делает

Скилл учит агента создавать и приводить в порядок ноутбуки .ipynb двух видов: эксперименты и учебные разборы. Сначала агент определяет вид: исследование или проверка гипотезы — эксперимент, пошаговое обучение — разбор, а готовый ноутбук — рефакторинг с сохранением замысла. Заодно он фиксирует цель, аудиторию и то, что считать готовым результатом.

Новый ноутбук начинается с шаблона, а не с JSON, написанного руками. scripts/new_notebook.py (только стандартная библиотека) копирует assets/experiment-template.ipynb или assets/tutorial-template.ipynb, подставляет заголовок и записывает файл; существующий без --force не перезапишет. Шаблон эксперимента начинается с цели, ячейки настройки с фиксированным seed и плана: гипотезы, перебираемые параметры, метрики. Остальное задают четыре справочника: experiment-patterns.md (сначала базовый вариант, результаты рядом с кодом, решение о следующих шагах) и tutorial-patterns.md (аудитория и что нужно знать заранее, оглавление, шаги «объяснение — код — вывод», хотя бы одно упражнение с заготовкой ответа). Ещё два — notebook-structure.md (как безопасно править сам JSON) и quality-checklist.md (прогнать сверху вниз, без скрытого состояния, короткие выводы). Если запустить ноутбук нельзя, агент так и говорит и объясняет, как проверить его локально.

Когда включать и когда не надо

Чтобы начать ноутбук для анализа или обучения, а также чтобы превратить запутанный ноутбук или скрипт в такой, который другие смогут прочитать и перезапустить.

Скилл про структуру, а не про конкретную библиотеку или вид анализа; если хватает обычного скрипта или одного графика, пользы от него немного.

Как поставить и вызвать

Команда установки ниже скачивает всю папку: SKILL.md, скрипт, оба шаблона, справочники, иконки, файл метаданных для Codex и лицензию. Скилл запускает скрипт через uv run --python 3.12, подойдёт и обычный python. Для выполнения ноутбуков нужны jupyterlab и ipykernel. Путь к скрипту скилл строит от $CODEX_HOME/skills/, поэтому в других агентах укажите папку, куда поставили скилл, и передавайте --out: путь по умолчанию зависит от места установки скилла, а не от вашего проекта. Вызвать:

  • Claude Code: /jupyter-notebook или попросить скилл по имени.
  • Codex: $jupyter-notebook.
  • Cursor: наберите / в чате Agent и выберите jupyter-notebook.

Пример: /jupyter-notebook Сделай ноутбук-эксперимент, который сравнивает три варианта промпта на нашем наборе для оценки.

OpenAI пометила репозиторий openai/skills устаревшим; наша копия зафиксирована на одном из его коммитов, а новой версии этого скилла в openai/plugins на ноябрь 2026 года нет. В плагине data-analytics есть скилл jupyter-notebooks, но он другой — для аналитических ноутбуков на SQL и Python.

Чем отличается от похожих

Других скиллов для ноутбуков в каталоге нет. Ближе всего по задачам с данными Таблицы Excel (.xlsx), но он выдаёт таблицы и CSV, а не запускаемые ноутбуки.

Установка

Выполните одну команду — она сохранит SKILL.md и файлы, которые он использует, в папку скиллов агента. Claude Code и Codex подхватывают новый скилл без перезапуска; если скилл не появился, перезапустите агента.

Скилл написан на английском — агент поймёт его и ответит вам по-русски.

Claude Code — macOS, Linux
curl -fsSL --create-dirs -o ~/.claude/skills/jupyter-notebook/SKILL.md https://anymodel.org/en/skills/openai/jupyter-notebook/SKILL.md -o ~/.claude/skills/jupyter-notebook/LICENSE.txt https://anymodel.org/en/skills/openai/jupyter-notebook/LICENSE.txt -o ~/.claude/skills/jupyter-notebook/agents/openai.yaml https://anymodel.org/en/skills/openai/jupyter-notebook/agents/openai.yaml -o ~/.claude/skills/jupyter-notebook/assets/experiment-template.ipynb https://anymodel.org/en/skills/openai/jupyter-notebook/assets/experiment-template.ipynb -o ~/.claude/skills/jupyter-notebook/assets/jupyter-small.svg https://anymodel.org/en/skills/openai/jupyter-notebook/assets/jupyter-small.svg -o ~/.claude/skills/jupyter-notebook/assets/jupyter.png https://anymodel.org/en/skills/openai/jupyter-notebook/assets/jupyter.png -o ~/.claude/skills/jupyter-notebook/assets/tutorial-template.ipynb https://anymodel.org/en/skills/openai/jupyter-notebook/assets/tutorial-template.ipynb -o ~/.claude/skills/jupyter-notebook/references/experiment-patterns.md https://anymodel.org/en/skills/openai/jupyter-notebook/references/experiment-patterns.md -o ~/.claude/skills/jupyter-notebook/references/notebook-structure.md https://anymodel.org/en/skills/openai/jupyter-notebook/references/notebook-structure.md -o ~/.claude/skills/jupyter-notebook/references/quality-checklist.md https://anymodel.org/en/skills/openai/jupyter-notebook/references/quality-checklist.md -o ~/.claude/skills/jupyter-notebook/references/tutorial-patterns.md https://anymodel.org/en/skills/openai/jupyter-notebook/references/tutorial-patterns.md -o ~/.claude/skills/jupyter-notebook/scripts/new_notebook.py https://anymodel.org/en/skills/openai/jupyter-notebook/scripts/new_notebook.py
Codex, Cursor — macOS, Linux
curl -fsSL --create-dirs -o ~/.agents/skills/jupyter-notebook/SKILL.md https://anymodel.org/en/skills/openai/jupyter-notebook/SKILL.md -o ~/.agents/skills/jupyter-notebook/LICENSE.txt https://anymodel.org/en/skills/openai/jupyter-notebook/LICENSE.txt -o ~/.agents/skills/jupyter-notebook/agents/openai.yaml https://anymodel.org/en/skills/openai/jupyter-notebook/agents/openai.yaml -o ~/.agents/skills/jupyter-notebook/assets/experiment-template.ipynb https://anymodel.org/en/skills/openai/jupyter-notebook/assets/experiment-template.ipynb -o ~/.agents/skills/jupyter-notebook/assets/jupyter-small.svg https://anymodel.org/en/skills/openai/jupyter-notebook/assets/jupyter-small.svg -o ~/.agents/skills/jupyter-notebook/assets/jupyter.png https://anymodel.org/en/skills/openai/jupyter-notebook/assets/jupyter.png -o ~/.agents/skills/jupyter-notebook/assets/tutorial-template.ipynb https://anymodel.org/en/skills/openai/jupyter-notebook/assets/tutorial-template.ipynb -o ~/.agents/skills/jupyter-notebook/references/experiment-patterns.md https://anymodel.org/en/skills/openai/jupyter-notebook/references/experiment-patterns.md -o ~/.agents/skills/jupyter-notebook/references/notebook-structure.md https://anymodel.org/en/skills/openai/jupyter-notebook/references/notebook-structure.md -o ~/.agents/skills/jupyter-notebook/references/quality-checklist.md https://anymodel.org/en/skills/openai/jupyter-notebook/references/quality-checklist.md -o ~/.agents/skills/jupyter-notebook/references/tutorial-patterns.md https://anymodel.org/en/skills/openai/jupyter-notebook/references/tutorial-patterns.md -o ~/.agents/skills/jupyter-notebook/scripts/new_notebook.py https://anymodel.org/en/skills/openai/jupyter-notebook/scripts/new_notebook.py
Claude Code — Windows PowerShell
foreach ($f in 'SKILL.md','LICENSE.txt','agents/openai.yaml','assets/experiment-template.ipynb','assets/jupyter-small.svg','assets/jupyter.png','assets/tutorial-template.ipynb','references/experiment-patterns.md','references/notebook-structure.md','references/quality-checklist.md','references/tutorial-patterns.md','scripts/new_notebook.py') { $p = Join-Path "$HOME\.claude\skills\jupyter-notebook" $f; New-Item -ItemType Directory -Force (Split-Path $p) | Out-Null; Invoke-WebRequest "https://anymodel.org/en/skills/openai/jupyter-notebook/$f" -UseBasicParsing -OutFile $p }
Codex, Cursor — Windows PowerShell
foreach ($f in 'SKILL.md','LICENSE.txt','agents/openai.yaml','assets/experiment-template.ipynb','assets/jupyter-small.svg','assets/jupyter.png','assets/tutorial-template.ipynb','references/experiment-patterns.md','references/notebook-structure.md','references/quality-checklist.md','references/tutorial-patterns.md','scripts/new_notebook.py') { $p = Join-Path "$HOME\.agents\skills\jupyter-notebook" $f; New-Item -ItemType Directory -Force (Split-Path $p) | Out-Null; Invoke-WebRequest "https://anymodel.org/en/skills/openai/jupyter-notebook/$f" -UseBasicParsing -OutFile $p }

Другой агент: сохраните файл в его папку скиллов или дайте ему ссылку на файл: https://anymodel.org/en/skills/openai/jupyter-notebook/SKILL.md

SKILL.md

Исходник

Jupyter Notebook Skill

Create clean, reproducible Jupyter notebooks for two primary modes:

  • Experiments and exploratory analysis
  • Tutorials and teaching-oriented walkthroughs

Prefer the bundled templates and the helper script for consistent structure and fewer JSON mistakes.

When to use

  • Create a new .ipynb notebook from scratch.
  • Convert rough notes or scripts into a structured notebook.
  • Refactor an existing notebook to be more reproducible and skimmable.
  • Build experiments or tutorials that will be read or re-run by other people.

Decision tree

  • If the request is exploratory, analytical, or hypothesis-driven, choose experiment.
  • If the request is instructional, step-by-step, or audience-specific, choose tutorial.
  • If editing an existing notebook, treat it as a refactor: preserve intent and improve structure.

Skill path (set once)

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. Lock the intent. Identify the notebook kind: experiment or tutorial. Capture the objective, audience, and what "done" looks like.

  2. Scaffold from the template. Use the helper script to avoid hand-authoring raw notebook JSON.

uv run --python 3.12 python "$JUPYTER_NOTEBOOK_CLI" \
  --kind experiment \
  --title "Compare prompt variants" \
  --out output/jupyter-notebook/compare-prompt-variants.ipynb
uv run --python 3.12 python "$JUPYTER_NOTEBOOK_CLI" \
  --kind tutorial \
  --title "Intro to embeddings" \
  --out output/jupyter-notebook/intro-to-embeddings.ipynb
  1. Fill the notebook with small, runnable steps. 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.

  2. Apply the right pattern. For experiments, follow references/experiment-patterns.md. For tutorials, follow references/tutorial-patterns.md.

  3. Edit safely when working with existing notebooks. 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.

  4. Validate the result. 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

  • Templates live in assets/experiment-template.ipynb and assets/tutorial-template.ipynb.
  • The helper script loads a template, updates the title cell, and writes a notebook.

Script path:

  • $JUPYTER_NOTEBOOK_CLI (installed default: $CODEX_HOME/skills/jupyter-notebook/scripts/new_notebook.py)

Temp and output conventions

  • Use tmp/jupyter-notebook/ for intermediate files; delete when done.
  • Write final artifacts under output/jupyter-notebook/ when working in this repo.
  • Use stable, descriptive filenames (for example, ablation-temperature.ipynb).

Dependencies (install only when needed)

Prefer uv for dependency management.

Optional Python packages for local notebook execution:

uv pip install jupyterlab ipykernel

The bundled scaffold script uses only the Python standard library and does not require extra dependencies.

Environment

No required environment variables.

Reference map

  • references/experiment-patterns.md: experiment structure and heuristics.
  • references/tutorial-patterns.md: tutorial structure and teaching flow.
  • references/notebook-structure.md: notebook JSON shape and safe editing rules.
  • references/quality-checklist.md: final validation checklist.

Подключить через AnyModel API

Скилл работает на той модели, которую использует агент. Подключите Claude Code, Codex или Cursor к AnyModel и запускайте его на Claude, GPT, Gemini и других моделях по одному ключу — оплата за токены, без подписки.

Ещё из пака Скиллы OpenAI

Приложения на ASP.NET Core

Делает работу с ASP.NET Core по актуальным правилам: выбор между Blazor, Razor Pages, MVC и Minimal APIs, Program.cs и порядок middleware, авторизация, EF Core, тесты, переход на .NET 10. Для случаев, когда вы создаёте, ревьюите или обновляете приложение.

Приложения для ChatGPT на Apps SDK

Делает приложения для ChatGPT на Apps SDK: сначала читает документацию OpenAI, выбирает тип приложения, планирует MCP-инструменты, берёт официальный пример или заготовку на Node, проверяет в режиме разработчика. Для случаев, когда приложение живёт в ChatGPT.

CLI по документации API

Делает постоянный CLI по документации API, OpenAPI, curl-запросам или скрипту: JSON на выходе, doctor и dry-run, безопасная авторизация, установка в PATH и скилл-компаньон. Для случаев, когда агент раз за разом ходит в один сервис самодельными запросами.

Измеримая цель до начала работы

Делает из расплывчатого намерения одну измеримую цель с проверкой, границами и условием остановки и заводит её через get_goal и create_goal. Для случаев, когда перед долгой работой агента надо договориться, что считать «готово».

Разбор комментариев к PR на GitHub

Делает пронумерованный список всех комментариев, ревью и построчных тредов PR текущей ветки через GraphQL-скрипт на gh и правит только выбранные вами. Для случаев, когда в PR накопились замечания и вы хотите сами решить, что исправлять.

Починка упавших проверок GitHub Actions

Делает разбор упавших проверок GitHub Actions в PR: через gh скачивает логи, вырезает кусок с ошибкой и составляет план исправления, а код меняет только после одобрения. Для случаев, когда CI в PR красный и сначала нужна причина.

Задачи и проекты в Linear

Делает работу с задачами, проектами и циклами Linear через его MCP-сервер в строгом порядке: настройка, рамки, чтение, потом запись, с примерами сценариев для триажа, спринтов и релизов. Для случаев, когда агент должен читать или менять Linear по ходу задачи.

Деплой на Netlify

Делает деплой проекта на Netlify через `npx netlify`: проверяет вход, привязывает папку к сайту по Git-remote или создаёт новый, собирает локально и отдаёт адрес превью или прода. Для случаев, когда сайт нужно выложить на Netlify со своей машины.

Управление браузером через Playwright CLI

Делает действия в настоящем браузере из терминала через playwright-cli: снапшоты дают ссылки на элементы для кликов и ввода, плюс скриншоты, консоль, сеть и трейсы, без файлов тестов. Для случаев, когда браузер нужно пройти по шагам.

Деплой на Render

Делает деплой приложения на Render из Git: пишет и проверяет Blueprint render.yaml с сервисами, базами и секретами или создаёт один сервис через MCP-сервер Render, затем смотрит статус и логи. Для случаев, когда приложению нужен хостинг на Render.

Ревью безопасности по стеку

Делает ревью безопасности кода на Python, JavaScript/TypeScript и Go по встроенным спецификациям для десяти фреймворков, пишет отчёт по серьёзности с номерами строк и чинит по одной находке. Для случаев, когда явно нужно ревью по практикам безопасности.

Модель угроз репозитория

Делает модель угроз по коду репозитория: границы доверия, активы, возможности атакующего и ранжированные сценарии атак с мерами защиты, а перед итоговым файлом уточняет ключевые допущения. Для случаев, когда явно нужна модель угроз кодовой базы.

Ошибки и события в Sentry

Делает выборку issues и событий из Sentry через CLI sentry, ничего не меняя: свежие ошибки прода, детали issue и события, ИИ-разбор причины, с маскировкой персональных данных. Для случаев, когда нужно понять по Sentry, что ломается на проде.

Деплой на Vercel

Делает деплой на Vercel, по умолчанию превью: через Vercel CLI или, без аккаунта, скриптом, который загружает папку и отдаёт ссылку на превью и ссылку для переноса деплоя в свой аккаунт. Для случаев, когда быстро нужна ссылка на работающий проект.

Контекст дизайна из Figma MCP

Делает код из фрейма Figma через MCP-сервер: контекст дизайна, метаданные, скриншот, затем перевод на компоненты и токены проекта; описывает настройку сервера в Codex. Для случаев, когда нужно подключить Figma MCP или сверстать фрейм по ссылке.

Работа с Figma через use_figma

Делает обязательную подготовку перед каждым вызовом use_figma: правила Plugin API о return, страницах, цветах, шрифтах, ID узлов и работе малыми проверяемыми шагами. Для случаев, когда агент создаёт или правит что-то внутри файла Figma.

Вёрстка по макету Figma

Делает вёрстку по фрейму или компоненту Figma один в один: берёт контекст и скриншот, переводит на токены и компоненты проекта, проходит чек-лист сверки. Для случаев, когда по ссылке на Figma нужен готовый интерфейс в коде.

Макет в Figma из приложения

Делает экран в Figma по коду или описанию — по секциям, из опубликованных компонентов, переменных и стилей файла, без захардкоженных значений. Для случаев, когда страницу приложения нужно перенести в Figma или обновить там.

Дизайн-система в Figma из кода

Делает библиотеку дизайн-системы в Figma по коду за пять фаз с согласованием: разведка, переменные и стили, структура страниц, компоненты по одному, проверка. Для случаев, когда библиотека в Figma должна совпадать с токенами и компонентами кода.

Связка компонентов Figma с кодом

Делает связи Code Connect между опубликованными компонентами Figma и их реализацией в коде: находит несвязанные, подбирает пары в репозитории, связывает одобренные. Для случаев, когда библиотека в Figma и компоненты в коде уже есть, а связи нет.

Правила дизайн-системы для Figma

Делает файл правил для вёрстки по Figma — в CLAUDE.md, AGENTS.md или правила Cursor — по шаблону Figma и разбору кодовой базы. Для случаев, когда агента нужно один раз настроить на регулярную работу с макетами в этом репозитории.

Новый файл в Figma

Делает пустой файл Figma или доску FigJam в черновиках, выбирая тарифный план через whoami, и возвращает ключ и ссылку. Для случаев, когда следующему шагу с Figma нужен новый файл для записи.