星号卡住说明内核未响应而非代码错误，需按通信、环境、版本顺序排查：先确认所选python环境已安装并注册ipykernel，再检查内核规格是否损坏，最后验证是否存在ipykernel≥6.27与jupyter≤7.0的握手bug导致初始化卡死。
星号一直不动，说明内核没响应或卡死，不是代码写错了，而是执行链断在了某一层。 大部分情况不需要重装，先按顺序排查通信、环境、版本三类问题。
Kernel 显示 Connecting 或右上角不显示 connected
这是前端根本没连上后端进程的明确信号。常见原因有：
- 你选的 Python 解释器环境里压根没装
ipykernel：在 VS Code 终端或命令行中激活该环境，运行python -m pip install ipykernel（conda 环境建议用conda install ipykernel） - 装了但没注册：必须手动执行
python -m ipykernel install --user --name myenv --display-name "Python (myenv)"；注意--name不能含空格或中文，否则注册失败 - 注册完没刷新：VS Code 中点击右上角内核选择器旁的刷新图标，或执行
Developer: Reload Window - 内核规格损坏：运行
jupyter kernelspec list查看已注册内核，若发现路径异常或名称重复，用jupyter kernelspec remove myenv删除后重装
单元格执行卡在 In[*] 且右上角是实心圆
内核进程已启动，但卡在初始化或执行阶段。优先检查：
- 是否在代码里写了阻塞操作，比如
input()、plt.show()（未设 backend）、或无限循环？删掉或注释掉再试 - 是否用了新版本
ipykernel（≥6.27）搭配旧版jupyter（≤7.0）？存在 handshake bug，临时降级：pip install "ipykernel - 是否装了冲突的 tornado 版本？
tornado>=7.0与某些 jupyter 组件不兼容，可试pip install tornado==6.3.3 - 内存或 CPU 资源耗尽：打开系统监视器，看 Python 进程是否占满资源；大数组或未释放的 plt.figure 可能导致假死
重启 Kernel 后仍卡住或报错 Kernel died
说明内核进程启动失败，不是卡住而是根本没活下来。重点看终端启动 jupyter 时的报错日志：
- 出现
ModuleNotFoundError：确认jupyter_client、traitlets、pyzmq都在当前环境里，运行pip list | grep -i jupyter检查 - 报
PermissionError或路径错误：检查kernel.json里的argv字段，确保指向的 Python 路径真实存在且可执行 - 报 CUDA 相关错误（尤其在深度学习环境）：可能是
ipykernel启动时加载了 GPU 库但驱动不匹配，尝试在干净虚拟环境中测试 - 不确定原因时，加
--debug启动：jupyter notebook --debug，日志会暴露具体在哪一步中断
真正麻烦的不是星号本身，而是它背后可能混着环境、通信、硬件三层问题。别一上来就重装 jupyter，先盯住终端输出和 jupyter kernelspec list 的结果——那才是内核真实状态的唯一信源。
