jupyter notebook 的 tab 补全需手动触发且依赖运行时环境，非实时自动补全；启用 jedi 可能导致 pandas/pytorch 等库补全不稳定，禁用后切换至 ipython 原生引擎可提升准确性和速度。
Tab 键就是自动补全的默认快捷键
Jupyter Notebook 本身不提供“输入即补全”（如 VS Code 那样的实时下拉），它依赖 Tab 键触发补全。这不是 bug，是设计如此——所有版本（包括 7.3.3+）都只支持按键触发，没有全局开启“自动弹出”的选项。
常见误解是以为要装插件才能用 Tab 补全，其实不用：只要内核正常、变量已定义、模块已导入，Tab 就能工作。比如：
import pandas as pd df = pd.DataFrame() df.
光标停在 . 后按 Tab，就会列出所有 DataFrame 方法。
- 补全范围取决于当前命名空间：未 import 的模块不会出现在列表里
- 如果按
Tab没反应，大概率是变量名拼错、对象未实例化，或内核卡住（可试Kernel → Restart） -
Shift + Tab是查看文档的快捷键，和补全无关，别混淆
为什么按 Tab 没提示？常见原因和修复
不是配置没开，而是运行时环境不满足补全前提。最常踩的坑有三个：
-
pd.read_按Tab没反应？确认pandas已成功 import，且没报错；如果单元格里只有import pandas但没执行，补全不会生效 - 补全列表为空或极短？检查是否启用了 Jedi 引擎但超时失败——老版本 Jupyter 在大型库（如 PyTorch）上容易卡住，表现为
Tab响应慢或无响应 - 输入
pr按Tab却跳出一堆无关函数？说明命名空间污染了（比如之前运行过from builtins import *或意外覆盖了内置名）
临时验证方式：新开一个 notebook，只运行 import os，然后输入 os. + Tab —— 如果能弹出 listdir、path 等，说明补全通路正常。
让 Tab 补全更可靠：禁用 Jedi（推荐用于 pandas / PyTorch 场景）
Jedi 是 Jupyter 默认启用的静态分析补全引擎，对动态性高的库（如 pandas 方法链、PyTorch Module 子类）支持不稳定，容易假死或漏提示。关掉它，回退到 IPython 原生补全，反而更准更快。
两种方式：
-
单次生效：在 notebook 任意单元格运行
%config Completer.use_jedi = False，重启内核后对该 notebook 生效 -
全局永久生效：在
~/.ipython/profile_default/startup/下新建00-disable-jedi.py，内容为：import IPython<br>IPython.get_ipython().Configurable.get_config().Completer.use_jedi = False
下次启动所有 notebook 都自动生效
注意：use_jedi = False 不影响 Tab 功能本身，只切换底层引擎——补全速度提升明显，尤其在链式调用（如 df.groupby('x').agg(...)）时更稳定。
JupyterLab 和 Notebook 的补全行为差异
别指望两者行为一致。JupyterLab 7+ 内置了更激进的补全策略（比如输入 df.c + Tab 会优先匹配 columns 而非 copy），而 classic Notebook 更保守，依赖完整前缀。
- 在 Notebook 里写
df.col+Tab可能不出现columns，但df.columns+Tab会补全其属性 - JupyterLab 支持部分匹配+模糊排序，Notebook 主要靠前缀精确匹配
- 如果你从 Lab 切换回 Notebook，发现补全“变笨了”，不是配置问题，是引擎逻辑不同
真正难搞的从来不是快捷键本身，而是补全结果是否符合你当下的上下文——比如 torch.nn. 在不同模型实例下该列出哪些层，取决于运行时对象的实际类型，而这个推断过程极易受 Jedi 超时、CUDA 状态、甚至 Python 版本微小差异影响。
