ReasonGraph

GitHub
510 48 简单 1 次阅读 5天前语言模型开发框架
AI 解读 由 AI 自动生成,仅供参考

ReasonGraph 是一款开源的可视化平台,专为解析大语言模型(LLM)的复杂推理过程而设计。面对当前推理模型输出篇幅长、逻辑链条隐蔽导致人类难以追踪和评估的痛点,ReasonGraph 能将原本枯燥的文本推理路径自动转化为直观的流程图。无论是线性的思维链,还是复杂的树状搜索策略,用户都能通过图形界面清晰看到模型是如何一步步得出结论的。

该工具特别适合 AI 研究人员、开发者以及对模型可解释性有需求的技术人员使用。它不仅能展示标准的顺序推理,还独特地支持对“长程推理”输出的可视化,并内置了让模型自主选择最优推理策略的“元推理”能力。在兼容性方面,ReasonGraph 表现卓越,已集成包括 OpenAI、Anthropic、DeepSeek、Qwen 等主流厂商的 50 多种前沿模型,并采用模块化架构,方便用户轻松接入新的算法或扩展多语言支持。凭借友好的交互设计和强大的分析功能,ReasonGraph 帮助用户轻松洞察黑盒模型内部的思考逻辑,是调试和优化 AI 推理能力的得力助手。

使用场景

某金融风控团队正在利用大语言模型分析复杂的欺诈交易链路,需要深入理解模型如何从海量数据中推导出最终的风险评级结论。

没有 ReasonGraph 时

  • 推理过程如“黑盒”:面对模型输出的数千字长篇思维链(Chain of Thought),分析师只能阅读纯文本,难以快速定位关键判断节点和逻辑跳转处。
  • 错误根源难追溯:当模型给出错误的风险预警时,团队无法直观看到是哪一步推导出现了偏差,或是哪个分支的假设被错误地采纳了。
  • 多策略对比效率低:在尝试“自洽性采样”或“树状搜索”等不同推理策略时,缺乏统一的可视化界面来横向对比各路径的优劣,调优全靠猜测。
  • 协作沟通成本高:向非技术背景的业务方解释模型为何判定某笔交易可疑时,直接展示冗长的日志文件往往让人一头雾水,沟通极其费力。

使用 ReasonGraph 后

  • 逻辑路径可视化:ReasonGraph 将冗长的文本推理自动转化为清晰的流程图,关键决策点、分支剪枝和反思循环一目了然,让“黑盒”变透明。
  • 精准定位故障点:通过图形化回溯,团队能瞬间发现模型在某个特定分支上因数据噪声导致了逻辑分叉,从而针对性地优化提示词或数据源。
  • 策略效果直观呈现:利用其内置的序列与树状推理可视化功能,开发人员可以直接对比不同推理方法生成的路径结构,快速选出最优解法。
  • 汇报演示更直观:在向业务部门汇报时,直接展示 ReasonGraph 生成的动态推理图谱,用直观的连线代替枯燥的文字,极大提升了信任度和沟通效率。

ReasonGraph 通过将抽象的模型思维转化为可视化的逻辑地图,彻底解决了长链条推理不可解释、难调试的痛点,让复杂决策过程变得透明可控。

运行环境要求

操作系统
  • 未说明
GPU

未说明

内存

未说明

依赖
notes该工具主要通过 API 调用外部大模型(如 OpenAI, Anthropic, DeepSeek 等)进行推理,本地无需部署大型模型文件,因此对 GPU 和本地内存无特殊高要求。运行前需在根目录配置 api_keys.json 文件填入各厂商的 API 密钥,否则无法使用对应模型的推理功能。
python3.11.8
requests==2.31.0
openai==1.63.2
together==1.4.1
flask==3.1.0
google==3.0.0
google-genai==1.2.0
google-generativeai==0.8.4
ReasonGraph hero image

快速开始

[ACL 2025 演示] ReasonGraph:推理方法与扩展推理路径的可视化

语言

英语中文

内容

🚀 新闻✏️ 待办事项✨ 简介

👀 示例🎨 快速使用🖥️ 环境

📌 引用🔖 许可证

链接

在线演示论文Discord问卷调查

 

🚀 新闻

  • [2025.05.23] 被 ACL 2025 演示会议接受!
  • [2025.03.24] ⭐ 支持对推理模型长输出进行可视化!!!
  • [2025.03.18] 支持更多 LLM 提供商和模型。支持两种语言,英语和中文。
  • [2025.03.18] 请在问卷调查中评分并留下评论(大约需要30秒)。
  • [2025.03.17] 通过 Huggingface 页面尝试在线演示
  • [2025.03.14] 加入我们的Discord群组!
  • [2025.03.07] 论文已在 Arxiv 上发布。
  • [2025.02.22] 创建了 Github 页面。
 
 
 

✏️ 待办事项与招募帮助

 
 
 

✨ 简介

ReasonGraph 是一个开源的网页平台,用于可视化和分析大型语言模型(LLMs)的推理过程。

功能:

  • 推理路径可视化: 将文本格式的推理输出转换为流程图。
  • 长推理: 支持对推理模型的扩展输出进行可视化。
  • 元推理: 提供内置能力,使模型能够自我选择最佳的推理方法。

特点:

  • 模型支持: 集成来自 Anthropic、OpenAI、Google、Grok、Deepseek、Qwen 和 Together.AI 等主要 LLM 提供商的 50 多种最先进模型。
  • 推理方法: 实现主流的推理方法,包括顺序方法和基于树的方法。
  • 模块化框架: 标准化的 API,便于集成新的推理方法和模型。
  • 新手友好: 直观的 UI 设计,具有可视化更新和简单的配置。
  • 多语言支持: 支持多种语言,并易于扩展到更多语言。
 
 
 

👀 示例

UI 截图:

推理模型输出的可视化:

输入:请给出两个从记者转型为图书编辑的建议?请使用顺序和基于树的思考方式以及细化循环。
模型:来自 DeepSeek 的 deepseek-reasoner

 
顺序推理方法的可视化:

思维链(左上)、自我精炼(中上)、由简入繁(右上)、自洽性(左下):

 
基于树的推理方法的可视化:

纯文本(上)、束搜索(中)、思维之树(下):

 
 
 

🎨 快速使用

尝试在线演示:

1. 访问网站:https://huggingface.co/spaces/ZongqianLi/ReasonGraph

 
可视化推理模型的长输出:

1. 选择一个推理模型并输入其 API 密钥。

  • API 提供商:Deepseek;模型:deepseek-reasoner
  • API 提供商:Qwen;模型:qwq-plus

2. 输入 Claude 的 API 密钥。

3. 点击“长推理”。

 
安装软件包:

1. 根据下方的 🖥️ 环境 部分设置环境。

2. 进入根目录:

/ReasonGraph/

3. 输入 API 密钥:

如果不输入 API 密钥,界面仍然可以正常运行,但您将无法使用相应的模型进行推理。

/ReasonGraph/api_keys.json

{
    "anthropic": "<待填写>",
    "openai": "<待填写>",
    "google": "<待填写>",
    "together": "<待填写>"
}

4. 在终端中使用一行代码运行程序:

python app.py

5. 打开浏览器,访问输出中显示的本地 URL。

 * 在所有地址上运行 (X.X.X.X)
 * 在 http://XXX.X.X.X:XXXX 上运行
 * 在 http://XX.XXX.XXX.XXX:XXXX 上运行
 
 
 

🖥️ 环境

python==3.11.8
requests==2.31.0
openai==1.63.2
together==1.4.1
flask==3.1.0
google==3.0.0
google-genai==1.2.0
google-generativeai==0.8.4
 
 
 📌 引用
@inproceedings{li-etal-2025-reasongraph,
    title = "{R}eason{G}raph: Visualization of Reasoning Methods and Extended Inference Paths",
    author = "Li, Zongqian  and
      Shareghi, Ehsan  and
      Collier, Nigel",
    editor = "Mishra, Pushkar  and
      Muresan, Smaranda  and
      Yu, Tao",
    booktitle = "Proceedings of the 63rd Annual Meeting of the Association for Computational Linguistics (Volume 3: System Demonstrations)",
    month = jul,
    year = "2025",
    address = "Vienna, Austria",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2025.acl-demo.14/",
    doi = "10.18653/v1/2025.acl-demo.14",
    pages = "140--147",
    ISBN = "979-8-89176-253-4",
}
 
 
 🔖 许可证

相似工具推荐

openclaw

OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你

349.3k|★★★☆☆|1周前
Agent开发框架图像

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|1周前
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

153.6k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

108.3k|★★☆☆☆|3天前
开发框架图像Agent

gemini-cli

gemini-cli 是一款由谷歌推出的开源 AI 命令行工具,它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言,它提供了一条从输入提示词到获取模型响应的最短路径,无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点,让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用,还是执行复杂的 Git 操作,gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口,具备出色的逻辑推理能力;内置 Google 搜索、文件操作及 Shell 命令执行等实用工具;更独特的是,它支持 MCP(模型上下文协议),允许用户灵活扩展自定义集成,连接如图像生成等外部能力。此外,个人谷歌账号即可享受免费的额度支持,且项目基于 Apache 2.0 协议完全开源,是提升终端工作效率的理想助手。

100.8k|★★☆☆☆|3天前
插件Agent图像

markitdown

MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器

93.4k|★★☆☆☆|1周前
插件开发框架