用途：面向数据工作的笔记本技能，覆盖 Jupyter、JupyterLab、marimo、VS Code + Jupyter 与 Google Colab 的创建、维护与环境选择，强调可复现性与工作流规范。
主要能力：选择笔记本环境；在 Jupyter 与 marimo、.ipynb 与 .py 之间转换；通过固定依赖、设置随机种子、避免硬编码路径实现可复现；整理单元格结构、重构代码、添加测试；用 nbconvert、Quarto、Voilà 或 Git 发布共享；Jupyter 魔法命令、组件、扩展与内核管理；marimo 响应式执行、UI 组件与版本控制模式。
使用方式：先按决策清单选工具——需响应式执行或纯 Python 版本控制选 marimo，需扩展生态选 JupyterLab，需云 GPU/TPU 选 Colab，需 IDE 体验选 VS Code。环境设置中设置随机种子，如 np.random.seed(42)、random.seed(42)。用 requirements.txt 固定依赖，如 pandas==2.1.0。密钥从环境变量读取，如 os.environ.get("OPENAI_API_KEY")。Jupyter 提交前用 nbstripout 清理输出：pip install nbstripout 与 nbstripout --install。常用命令：jupyter lab；jupyter nbconvert notebook.ipynb --to html；marimo edit notebook.py；marimo run notebook.py；marimo convert notebook.ipynb -o notebook.py；marimo export html notebook.py -o notebook.html。
适用场景：交互式数据分析、教学、可复现研究、笔记本格式转换与发布。
限制与边界：面向分析师/开发者的笔记本，不用于面向非技术用户的数据应用或仪表盘（应使用 building-data-apps）；EDA 模式与可视化库选择属 analyzing-data；特征工程与模型评估属其他技能。避免乱序执行、巨型单元格、硬编码路径与密钥、提交大输出文件。具体测试与发布细节见相关参考文件，资料未提供更多内容。