Runcell 是一款专为 Jupyter 笔记本设计的 AI 智能体扩展，它运行在 JupyterLab 内部，能够自动完成编写 Python 代码、执行单元格、调试错误以及实时解释数据分析结果等工作。其核心定位是“在 Jupyter 中工作的 AI 智能体”，不同于仅提供代码补全或单轮建议的 AI 代码编辑器，Runcell 会围绕笔记本的完整工作流程推进任务：理解上下文、规划步骤、运行代码、检查输出，并根据实际结果继续下一步。
主要能力
-
从问题到已执行工作流：用户描述所需结果后，Runcell 会规划笔记本步骤，编写 Python 代码，执行单元格，并在过程中修复错误。它支持多步骤工作流，自动完成检查、转换、分析、验证等步骤。
-
理解周围单元格：用户可以针对某个转换、结果或错误进行上下文提问，Runcell 会读取周围的单元格和输出，应用修复并保持分析继续推进。
-
可运行的实验探索：用户可以将不同的分析方法并排尝试，获得真实的笔记本输出，然后依据证据决定适合问题和数据的方向。概念解释也以可运行单元格的形式呈现。
-
读取输出并延续结果：Runcell 能够解读表格、图表、统计量及其他单元格输出，使后续决策基于实际产生的结果，而不是仅凭代码猜测。它还会保持跨迭代的上下文，让问题、决策和先前输出保持关联，下一步工作建立在已有工作之上。
使用方式
Runcell 作为 JupyterLab 的扩展运行，用户无需离开 Jupyter 即可使用。基本流程为：提出问题或描述所需结果，Runcell 检查笔记本上下文、数据和已有代码，将任务拆解为笔记本步骤，编写并运行 Python 代码，读取输出，然后继续推进分析或回答下一个问题。根据官方信息，Runcell 免费开始使用，运行在用户自己的 JupyterLab 中，且不需要 API 密钥。安装方式、是否支持自有 OpenAI 或 Anthropic API 密钥、是否跨会话记忆项目、是否支持长时多步骤任务、是否能理解图表图像输出、是否兼容现有笔记本、是否有免费计划等具体细节，官方资料中暂未提供完整说明。
适用场景
Runcell 面向以笔记本驱动工作的分析师、数据科学家和研究人员。其工作成果需要超越单次提示或单个单元格，形成可复现的代码、清晰的证据和可解释的结果。典型场景包括：从业务或运营问题出发，得到可复现的代码和可解释的结果；探索数据、测试方法、按需构建模型并比较结果，而无需手动拼装每个笔记本步骤；在风险与量化金融领域分析市场、投资组合、预测和风险，并获得能够支撑结论的诊断信息；在研究与实验中将问题转化为代码、图表和可复现证据，同时将分析保持在 Jupyter 中。
与同类工具的区别
Runcell 强调自己是笔记本原生的智能体。AI IDE 通常围绕文件和源代码构建，而 Runcell 执行单元格、读取其输出，并基于代码实际产生的结果继续工作。自动补全预测下一行，Runcell 则将问题转化为多步骤笔记本工作流，运行它、诊断结果并推进工作。笔记本聊天可以解释某个单元格，Runcell 则对笔记本采取行动——编辑代码、运行单元格、读取输出，并从证据继续分析。
限制
官方资料未提供关于价格方案、具体安装命令、平台兼容性、支持模型、数据隐私或性能限制的详细信息，这些内容暂未提供。
