Awesome GitHub RepositoriesExecution Trace Visualizers

Promptflow es un framework de desarrollo y orquestador para construir aplicaciones impulsadas por modelos de lenguaje de gran tamaño (LLM). Funciona como un conjunto de herramientas para diseñar, orquestar y desplegar flujos de trabajo de IA vinculando prompts, código Python personalizado y modelos de lenguaje en secuencias ejecutables. El proyecto se distingue por un diseñador visual de flujos de trabajo de IA que permite la creación de grafos acíclicos dirigidos de nodos lógicos. Proporciona un entorno dedicado de ingeniería de prompts para el versionado y comparación de plantillas, junto con un seguimiento de ejecución con estado para registrar llamadas a funciones y valores de variables para la depuración paso a paso. La plataforma cubre una amplia superficie de capacidades, incluyendo la generación aumentada por recuperación (RAG) mediante búsquedas en bases de datos vectoriales y pipelines de evaluación basados en métricas para pruebas por lotes y control de calidad. Gestiona todo el ciclo de vida desde el desarrollo hasta la producción mediante despliegue en contenedores, servicio de endpoints de flujo de trabajo y gestión segura de conexiones para credenciales de API. Se proporciona una interfaz de línea de comandos (CLI) y un SDK para la validación de flujos de trabajo y la integración en pipelines de CI/CD automatizados.

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 es un framework de visualización 3D basado en WebGL y renderizador diseñado para mapear arquitecturas de modelos de aprendizaje profundo y datos de tensores en espacios tridimensionales interactivos. Sirve como visualizador de arquitectura de redes neuronales e inspector de modelos, permitiendo a los usuarios renderizar topologías de modelos y analizar el flujo de datos dentro de un navegador web. El proyecto se distingue por su capacidad para convertir modelos pre-entrenados de Keras y TensorFlow en representaciones espaciales. Se integra con TensorFlow.js para ejecutar inferencia en el navegador, permitiendo la visualización en tiempo real de activaciones intermedias, pases hacia adelante y datos de tensores internos. El framework proporciona amplias primitivas de renderizado para capas 1D y 2D, incluyendo convoluciones, pooling, capas densas y varias operaciones de fusión de tensores. Cubre una amplia superficie de capacidades, incluyendo mapeo de topología de modelos, animaciones de estado de capa y la visualización de salidas de modelos generativos y cuadrículas de detección de objetos. El sistema incluye herramientas para la conversión de formato de modelo para importar arquitecturas existentes y un panel de seguimiento de rendimiento para monitorizar la salud del sistema y las tasas de fotogramas durante el renderizado.

ChatUI es una librería y framework de interfaz de usuario conversacional en React, diseñada para construir interfaces de mensajería. Proporciona un conjunto de componentes para crear flujos de conversación, incluyendo burbujas de mensaje, áreas de entrada y jerarquías de mensajes estructurados. La librería se distingue por sus funciones especializadas para interfaces de agentes de IA, como la visualización del proceso de razonamiento de un agente y animaciones de escritura simulada que renderizan el texto carácter por carácter. También incluye un sistema de plantillas de tarjetas conversacionales prediseñadas para renderizar banners, listas de selección y cuestionarios dentro de un flujo de chat. El framework cubre áreas de capacidad amplias, incluyendo adaptación de diseño responsivo para pantallas móviles y de escritorio, internacionalización basada en locales para soporte multilingüe y un sistema de temas basado en variables para la personalización de marca. Además, implementa estándares de accesibilidad mediante una estructura DOM semántica y refuerzo de contraste para dar soporte a lectores de pantalla y tecnologías asistivas.

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