Awesome GitHub RepositoriesExecution Trace Visualizers

Promptflow هو إطار عمل للتطوير ومنسق لبناء التطبيقات المدعومة بنماذج لغوية كبيرة. يعمل كمجموعة أدوات لتصميم وتنسيق ونشر تدفقات عمل الذكاء الاصطناعي من خلال ربط المطالبات (prompts)، ورموز Python المخصصة، والنماذج اللغوية في تسلسلات قابلة للتنفيذ. يتميز المشروع بمصمم مرئي لتدفقات عمل الذكاء الاصطناعي يسمح بإنشاء رسوم بيانية موجهة غير دائرية (DAGs) لعقد المنطق. ويوفر بيئة مخصصة لهندسة المطالبات لإصدار ومقارنة القوالب، إلى جانب تتبع التنفيذ للحالة لتسجيل استدعاءات الدوال وقيم المتغيرات لتصحيح الأخطاء خطوة بخطوة. تغطي المنصة نطاقاً واسعاً من القدرات بما في ذلك التوليد المعزز بالاسترجاع (RAG) عبر عمليات البحث في قواعد بيانات المتجهات، وخطوط أنابيب التقييم القائمة على المقاييس للاختبار المجمع وضمان الجودة. وتدير دورة الحياة الكاملة من التطوير إلى الإنتاج من خلال النشر بالحاويات، وتقديم نقاط نهاية تدفق العمل، وإدارة الاتصالات الآمنة لبيانات اعتماد API. يتم توفير واجهة سطر أوامر (CLI) وSDK للتحقق من تدفق العمل والتكامل في خطوط أنابيب CI/CD المؤتمتة.

VizTracer is a Python runtime instrumentation system and execution profiler used to trace and visualize code execution. It functions as a multi-process performance analyzer and trace visualizer, providing an interactive timeline and flamegraph interface to identify performance bottlenecks and analyze call sequences. The project distinguishes itself by its ability to aggregate execution data from multiple threads, subprocesses, and asynchronous tasks into a single unified report. It also features live process instrumentation, allowing users to attach to and detach from running Python applicati

magic-trace collects and displays high-resolution traces of what a process is doing

Tensorspace هو إطار عمل تصور ثلاثي الأبعاد قائم على WebGL ومُصيّر مصمم لرسم خرائط بنى نماذج التعلم العميق وبيانات الموتر في مساحات ثلاثية الأبعاد تفاعلية. يعمل كمصور لبنية الشبكة العصبية ومفتش للنماذج، مما يسمح للمستخدمين بتصيير طوبولوجيا النموذج وتحليل تدفق البيانات داخل متصفح الويب. يتميز المشروع بقدرته على تحويل نماذج Keras و TensorFlow المدربة مسبقاً إلى تمثيلات مكانية. يندمج مع TensorFlow.js لتنفيذ الاستدلال في المتصفح، مما يتيح التصور في الوقت الفعلي للتنشيطات الوسيطة، والتمريرات الأمامية، وبيانات الموتر الداخلية. يوفر إطار العمل أوليات تصيير واسعة للطبقات أحادية وثنائية الأبعاد، بما في ذلك الالتفافات، والتجميع، والطبقات الكثيفة، وعمليات دمج الموتر المختلفة. يغطي مساحة واسعة من القدرات بما في ذلك رسم خرائط طوبولوجيا النموذج، ورسوم متحركة لحالة الطبقة، وتصور مخرجات النماذج التوليدية وشبكات اكتشاف الكائنات. يتضمن النظام أدوات لتحويل تنسيق النموذج لاستيراد البنى الموجودة ولوحة تتبع الأداء لمراقبة صحة النظام ومعدلات الإطارات أثناء التصيير.

ChatUI هي مكتبة وإطار عمل لواجهات المحادثة مبني على React، مصمم لبناء واجهات المراسلة. يوفر مجموعة من المكونات لإنشاء تدفقات المحادثة، بما في ذلك فقاعات الرسائل، ومناطق الإدخال، وهياكل الرسائل المنظمة. تتميز المكتبة بميزات واجهة وكلاء الذكاء الاصطناعي المتخصصة، مثل تصور عملية التفكير الخاصة بالوكيل، ورسوم متحركة تحاكي الكتابة تظهر النص حرفاً بحرف. كما تتضمن نظاماً لقوالب بطاقات المحادثة المصممة مسبقاً لعرض اللافتات، وقوائم الاختيار، والاستبيانات ضمن تدفق المحادثة. يغطي إطار العمل مجالات واسعة تشمل التكيف مع التخطيطات المتجاوبة لشاشات الهواتف والحواسيب، والتدويل (i18n) لدعم لغات متعددة، ونظام سمات يعتمد على المتغيرات لتخصيص العلامة التجارية. كما يطبق معايير إمكانية الوصول من خلال هيكلة دلالية لـ DOM وفرض تباين الألوان لدعم قارئات الشاشة والتقنيات المساعدة.

Qira is a binary analysis platform and execution tracer that records every instruction and data access during program execution for interactive playback and debugging. It functions as a runtime analysis environment that uses QEMU to trace execution and inspect memory and register states. The system provides a binary static analysis tool that maps program structure and annotates instructions based on captured runtime data. It includes a runtime memory analyzer to monitor reads and writes to specific addresses and an interactive debugger for navigating execution timelines. The platform covers

SimpleRL-reason is a framework designed for training and evaluating large language models in the domain of mathematical and logical reasoning. It provides a comprehensive toolkit for refining models through reinforcement learning, specifically focusing on the generation of accurate, step-by-step deduction chains. The framework distinguishes itself by utilizing rule-based reward modeling, which calculates scalar feedback by comparing model-generated reasoning steps against verified mathematical ground truths. This process is supported by policy-gradient optimization, which adjusts model weight