根本原因是未区分插件类型与安装路径：jupyter lab前端js插件须用jupyter labextension install（依赖node.js），python后端插件如jupyter_contrib_nbextensions才用pip install，且必须在目标conda环境（如woniu）中激活后安装并执行jupyter contrib nbextension install --user，否则因环境错位导致模块找不到或ui空白。
conda环境里装jupyter扩展为什么总失败
根本原因不是命令写错，而是没分清「插件类型」和「安装路径」。jupyter lab 和 notebook 的扩展机制不同，conda 环境下直接 pip install 很容易装到 base 环境，而你实际用的是某个虚拟环境（比如 woniu），导致插件不可见。
关键判断：启动 jupyter lab 后右上角 kernel 名显示的是哪个环境？就该在那个环境里装扩展。
- 先激活目标环境：
conda activate woniu - 再装核心依赖：
pip install jupyterlab-server（不是 jupyterlab，后者是主程序） - 扩展本身要分两类：
- 纯前端 JS 插件（如
@jupyter-widgets/jupyterlab-manager）必须用jupyter labextension install命令，且依赖 nodejs - Python 后端插件（如
jupyter-ai、jupyter_contrib_nbextensions）才用pip install
- 纯前端 JS 插件（如
- 装完后必须重启 jupyter lab 进程，不是刷新页面
jupyter_contrib_nbextensions 在 conda 环境里怎么启用
这个插件包本身不带图形开关，靠 jupyter_nbextensions_configurator 提供 Web UI，但两者必须装在同一 conda 环境里，否则点开 Nbextensions 标签页会报 404 或空白。
实操顺序不能乱：
conda activate your_env_namepip install jupyter_contrib_nbextensions jupyter_nbextensions_configurator-
jupyter contrib nbextension install --user（注意是--user，不是--sys-prefix） jupyter nbextensions_configurator enable --user- 重启 jupyter lab，地址栏输入
/nbextensions手动访问（有时菜单不会自动出现）
常见错误：ModuleNotFoundError: No module named 'jupyter_nbextensions_configurator' —— 就是因为没在当前 kernel 环境里装它。
为什么 jupyter lab 扩展管理器里搜不到插件
默认关闭了 Extension Manager 的用户界面，尤其在 conda 安装或旧版 jupyter lab（
手动打开方式：
- 启动 jupyter lab 后，顶部菜单 → Settings → Advanced Settings Editor
- 左侧选
Extension Manager，右侧 User Overrides 空白处粘贴：
{"enabled": true}
保存后刷新页面，左下角会出现 Extensions 图标。注意：这个开关只对当前环境生效，换 kernel 不会继承。
如果仍为空，检查 nodejs 是否可用：node --version 和 npm --version 都得有输出；没有就先 conda install nodejs。
ollama + jupyter-ai 插件连不上本地模型
不是插件没装好，而是 ollama 服务没跑起来，或者 jupyter-ai 没指向正确 host。
验证三步走：
- 终端执行
ollama list，确认模型已 pull（如deepseek-r1:1.5b）且 STATUS 是running - 终端执行
curl http://localhost:11434/api/tags，返回 JSON 表示 ollama API 正常 - jupyter lab 里打开设置 → Jupyter AI → Provider → 选
Ollama→ Host 填http://localhost:11434（别漏http://，也别写成127.0.0.1）
Windows 用户特别注意：wsl2 或 docker desktop 环境下，localhost 可能不通，得换成 host.docker.internal 或查宿主机 IP。
真正卡住的地方，往往不是命令输错，而是环境隔离没理清——哪个 conda 环境、哪个 kernel、哪个 nodejs 实例、哪个 ollama 进程，四者必须对齐。少一个，插件就只是个图标。
