Awesome GitHub RepositoriesExecution Trace Visualizers

Promptflow 是一个用于构建大语言模型驱动应用的开发框架和编排器。它是一套通过将提示词（prompts）、自定义 Python 代码和语言模型链接成可执行序列来设计、编排和部署 AI 工作流的工具。 该项目的特色在于其可视化 AI 工作流设计器，允许创建逻辑节点的有向无环图（DAG）。它提供了一个专门的提示工程环境用于模板版本控制和对比，并具备状态化执行追踪功能，可记录函数调用和变量值以进行分步调试。 该平台涵盖了广泛的功能，包括通过向量数据库查找实现的检索增强生成（RAG），以及用于批量测试和质量保证的指标驱动评估流水线。它通过容器化部署、工作流端点服务以及 API 凭据的安全连接管理，处理从开发到生产的全生命周期。 项目提供了命令行界面（CLI）和 SDK，用于工作流验证并集成到自动化 CI/CD 流水线中。

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 是一个基于 WebGL 的 3D 可视化框架与渲染器，旨在将深度学习模型架构与张量数据映射到交互式三维空间中。它作为神经网络架构可视化工具与模型检查器，允许用户在 Web 浏览器中渲染模型拓扑并分析数据流。 该项目通过其将预训练的 Keras 与 TensorFlow 模型转换为空间表示的能力脱颖而出。它与 TensorFlow.js 集成以在浏览器中执行推理，从而实现对中间激活、前向传播与内部张量数据的实时可视化。 该框架为 1D 与 2D 层提供了广泛的渲染原语，包括卷积、池化、全连接层以及各种张量合并操作。它涵盖了广泛的能力范围，包括模型拓扑映射、层状态动画，以及生成式模型输出与目标检测网格的可视化。 该系统包括用于导入现有架构的模型格式转换工具，以及用于在渲染期间监控系统健康状况与帧率的性能追踪面板。

ChatUI 是一个 React 对话式 UI 库和框架，专为构建消息界面而设计。它提供了一套用于创建对话流程的组件，包括消息气泡、输入区域和结构化消息层级。 该库通过专门的 AI 代理界面功能脱颖而出，例如可视化代理的推理过程，以及逐字渲染文本的模拟打字动画。它还包含一套预先设计的对话卡片模板，用于在聊天流程中渲染横幅、选择列表和问卷。 该框架涵盖了广泛的能力领域，包括针对移动端和桌面屏幕的响应式布局适配、用于多语言支持的基于区域设置的国际化，以及用于品牌定制的变量主题系统。它还通过语义化 DOM 结构和对比度强制执行来实现无障碍标准，以支持屏幕阅读器和辅助技术。

Qira 是一个二进制分析平台和执行跟踪器，记录程序执行期间的每一条指令和数据访问，以进行交互式回放和调试。它作为一个运行时分析环境，使用 QEMU 来跟踪执行并检查内存和寄存器状态。 该系统提供了一个二进制静态分析工具，用于映射程序结构并根据捕获的运行时数据注释指令。它包括一个用于监视对特定地址的读取和写入的运行时内存分析器，以及一个用于导航执行时间线的交互式调试器。 该平台涵盖了二进制跟踪可视化和逆向工程工作流，结合了内存状态快照和指令级事件日志记录。它进一步支持数据访问分析和维护用于记录二进制代码的地址映射注释数据库。