传统 AI 代理在处理 Jupyter Notebook 时往往面临困难，常导致文件损坏并在任务完成后丢失模型状态。PyCharm 中集成的新 Jupyter 技能通过允许 AI 代理在实时 Jupyter 内核中运行来解决这一问题。该创新确保了跨单元的状态持久性，防止 Notebook 损坏。同时，它通过让代理等待执行而非持续轮询来优化长耗时任务。在十二项机器学习任务中，这种实时内核方法使 Claude Opus 5 的成本降低了约 12%。成本节约源于改进的缓存预热机制，从而提高了缓存读取的比例。此前，AI 工具将 Notebook 视为纯文本处理，在使用子进程时会导致文件损坏并丢失关键的运行时信息。新的 Jupyter 技能利用 PyCharm 内置的 Notebook 智能功能，为代理提供直接的内核控制。这使得代理能够直接编写并运行 Python 代码，同时保持变量和训练好的模型。该技能还实现了更高效的等待机制，仅读取新输出，减少了 token 浪费。虽然成本节约显而易见，尤其对于有状态的任务，但该技能也为其他模型提供了工作流改进。用户被提醒需明确指示代理保存其工作。复杂的机器学习任务可能仍需人工干预，因为该技能解决的是工具效率问题，而非机器学习本身的难度。此功能需 JetBrains AI 订阅方可使用。