内核列表里能看到名字，点进去却卡住，这通常说明 VSCode 已经识别到了 kernel.json，但真正的问题出在进程通信环节，而不是没装 ipykernel。

此时重点要查几件事：先确认 ipykernel 能否正常导入，再尝试将其降级到 6.26.0，同时关闭安全软件，禁用管理员模式启动，并核对 sys.executable 的路径是否与当前选中的解释器一致。

内核列表里有名字但点开就卡住

这说明 VSCode 已识别到 kernel.json 配置，但实际启动的进程无法与前端通信。

不是没装 ipykernel，而是它启动了却“失联”了。

常见表现是 Output → Jupyter 面板里日志停在 Starting kernel 后无后续，或出现 zmq.error.ZMQError、Connection refused 等 socket 相关错误。

• 先在 VSCode 内置终端中激活目标环境，如 conda activate myenv 或 source venv/bin/activate。然后运行 python -m ipykernel --version，有输出才代表模块可导入
• 若版本 ≥6.27，直接降级：pip install "ipykernel==6.26.0"。6.27+ 在 Windows/WSL 下 socket 绑定失败率极高
• 临时关闭杀毒软件或企业防火墙，它们常静默拦截 tcp://127.0.0.1:XXXXX 这类本地回环连接
• 别用管理员权限启动 VSCode。管理员模式下，内核进程无法写入 ~/.local/share/jupyter/runtime/（Linux/macOS）或 %USERPROFILE%AppDataRoamingjupyterruntime（Windows）中的 socket 文件

右上角显示 Python (myenv) 但执行 import 就报错

内核名只是个标签，VSCode 实际加载的解释器和你注册时用的未必是同一个。

尤其在 conda 多环境 + 手动改过配置的情况下，极易错配。

最可靠的验证方式：在 Notebook 单元格中运行 import sys; print(sys.executable)。

输出路径必须和你在命令面板（Ctrl+Shift+P）→ Python: Select Interpreter 中选中的路径完全一致。

• 如果输出是系统 Python 路径，如 /usr/bin/python3 或 C:Python39python.exe，说明 VSCode 根本没切到你的环境。重启 VSCode（不是重载窗口）再试
• python.defaultInterpreterPath 这个设置对 Notebook 内核无效，反而容易干扰，建议从设置中删掉
• 注册内核时务必用 --user 参数：python -m ipykernel install --user --name myenv --display-name "Python (myenv)"，否则可能装到系统级路径，VSCode 无权读取

内核列表为空或只显示 Python 3 (system)

VSCode 的 Python 扩展不会自动扫描所有 conda env 或 venv 目录。

它只认明确指定的 python 可执行文件路径。

典型原因是目标环境里没装 ipykernel，或者装了但没注册进 Jupyter 生态。

• 先确认目标环境已激活，并运行 pip list | grep ipykernel（Linux/macOS）或 pip list | findstr ipykernel（Windows）。必须看到 ipykernel 条目
• 手动注册：python -m ipykernel install --user --name myenv --display-name "Python (myenv)"。其中 --name 是唯一标识，不能含空格；--display-name 是下拉菜单中显示的名字
• 注册后必须重启 VSCode（不是重载窗口），否则内核列表不会刷新
• 检查 jupyter kernelspec list 输出，确认 myenv 出现在用户级路径下，如 ~/Library/Jupyter/kernels/myenv 或 %USERPROFILE%AppDataRoamingjupyterkernelsmyenv

Output 面板报 ModuleNotFoundError: No module named 'ipykernel'

这个报错意味着 VSCode 已成功调起 Python 解释器进程，但该解释器里根本找不到 ipykernel 模块。

这不是通信问题，而是环境缺失。

注意：装 jupyter 不等于装了 ipykernel；pip install jupyter 只保证 notebook server 可运行，不安装 kernel。

• 在 VSCode 内置终端中，确保已激活目标环境，然后运行：python -m pip install ipykernel
• 不要只依赖 pip list | grep jupyter，它可能显示 jupyter-core 或 jupyter-client，但这些不能替代 ipykernel
• 如果用 conda，也需显式安装：conda install ipykernel，conda 的 jupyter meta-package 并不总是包含最新版 ipykernel
• 装完后仍报错？检查是否误用了全局 pip：运行 which python 和 python -m pip show ipykernel，确认路径匹配

排查重点总结

真正卡住的地方，往往不在“装没装”。

而在“谁在跑、跑的是哪个路径、有没有权限写 runtime 文件、底层 zmq/tornado 版本是否打架”。

• 确认 ipykernel 能否正常导入
• 确认实际解释器路径是否一致
• 确认 runtime 目录是否有写入权限
• 确认 zmq/tornado 与 ipykernel 版本是否冲突

每次换环境、升级 VSCode 或更新系统后，这几个点都得重新过一遍。

《夸克》非常好用的免费AI浏览器

下载APP查看