---
title: "ReasonGraph – 开源可视化与分析LLMs推理过程的AI工具"
url: "https://paooo.com/aigc-news/20799/"
author: "Prompt 语宙研究院"
published_at: "2026-06-08T17:57:59+08:00"
updated_at: "2026-06-08T17:57:59+08:00"
categories: "AIGC 资讯"
tags: "Anthropic, Claude, HuggingFace, OpenAI, 开源大模型"
source: "Prompt 语宙 (https://paooo.com)"
ai_tools_directory: "语宙 AI 导航 (https://ai.paooo.com)"
---

# ReasonGraph – 开源可视化与分析LLMs推理过程的AI工具

> 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/aigc-news/20799/) · 作者：Prompt 语宙研究院 · 发布时间：2026-06-08

## AI 30 秒核心看点 (TL;DR)

- 支持 50+ 主流 LLM 与顺序/树形推理，能把推理链路实时图形化。
- 基于 XML 解析与 Mermaid.js 渲染，兼顾高准确率解析和交互式可视化。
- 模块化 Flask 后端便于扩展新模型与新方法，适合研究、教学和调试。

## ReasonGraph是什么

ReasonGraph 是用在可视化和分析大语言模型（LLMs）推理过程的开源网络平台。ReasonGraph支持超过 50 种主流模型（如 Anthropic、OpenAI、Google 等），涵盖多种推理方法（包括顺序推理和树形推理）。基于直观的用户界面，ReasonGraph 将复杂的推理路径转化为清晰的图表，实时更新推理过程，帮助用户快速理解 AI 的思考逻辑，检测错误优化模型表现。ReasonGraph模块化设计支持新方法和模型的快速集成，广泛应用于学术研究、教育和开发领域。

## ReasonGraph的主要功能

- **推理路径可视化**：将LLM的推理过程用直观的图表展示，支持树形推理和顺序推理。

- **多种推理方法支持**：涵盖包括顺序推理方法和基于树的推理方法在内的主流推理方法。

- **兼容多种LLM模型**：支持50+主流模型，如OpenAI、Google、Anthropic等。

- **交互式可视化**：实时更新推理路径图，支持参数调整、缩放、重置和导出为SVG格式。

- **用户友好界面**：提供直观的UI设计，方便用户选择推理方法、配置模型和查看结果。

## ReasonGraph的技术原理

- **推理路径解析**：基于规则化的 XML 解析方法从 LLM 的输出中提取推理路径。用接近 100% 的准确率解析格式良好的推理输出。解析后的推理路径被转换为适合可视化的结构，例如树形结构或有向图。

- **动态可视化技术**：前端使用 Mermaid.js 实现动态图形渲染，支持实时更新推理路径的可视化。用户基于界面调整可视化参数，如节点密度、布局优化等，适应不同的推理方法和模型。

- **模块化后端框架**：后端基于 Flask 构建，分为三个核心模块：

**Configuration Manager**：负责状态更新和配置管理。

- **API Factor**y：提供统一的 API 接口，支持多种 LLM 提供商。

- **Reasoning Methods Module**：封装不同的推理方法，提供标准化的解析和可视化接口。基于 RESTful API 层实现前后端的通信和错误处理。

- **实时交互与更新**：前端用异步事件处理模块响应用户的操作，如推理方法选择和参数配置。后端根据用户的输入调用相应的 LLM 模型，将推理结果实时反馈到前端进行可视化。

- **开源与扩展性**：ReasonGraph 用开源模式，支持开发者用标准化的 API 接口扩展新的推理方法和模型。模块化设计让平台灵活适应不同 LLM 的能力和推理方法的变化。

## ReasonGraph的项目地址

- **GitHub仓库**：[https://github.com/ZongqianLi/ReasonGraph](https://github.com/ZongqianLi/ReasonGraph)

- **arXiv技术论文**：[https://arxiv.org/pdf/2503.03979](https://arxiv.org/pdf/2503.03979)

- **在线体验Demo**：[https://huggingface.co/spaces/ZongqianLi/ReasonGraph](https://huggingface.co/spaces/ZongqianLi/ReasonGraph)

## ReasonGraph的应用场景

- **学术研究**：帮助研究人员分析和比较不同推理方法的效果，评估模型在复杂任务中的表现，推动LLM推理能力的研究进展。

- **教育领域**：作为教学工具，帮助学生直观理解逻辑推理过程，展示LLM的决策机制，提升对AI推理原理的学习兴趣和理解效率。

- **模型调试与优化**：快速发现推理路径中的错误或低效环节，辅助开发者优化LLM的推理效果，提升模型性能。

- **应用开发**：支持开发者在开发LLM应用时选择最优推理方法，基于可视化推理路径优化应用逻辑，提升用户体验。

- **推理方法研究**：为研究新的推理方法提供可视化支持，帮助研究者探索和改进LLM的推理策略，推动技术创新。

## 常见问题解答 (FAQ)

### ReasonGraph适合分析哪些大模型推理过程？
ReasonGraph 支持超过 50 种主流模型，包括 Anthropic、OpenAI、Google 等，并兼容顺序推理和树形推理等方法，适合分析不同 LLM 的推理路径与输出结构。

### ReasonGraph如何把推理过程可视化？
它先通过规则化 XML 解析提取 LLM 输出中的推理路径，再转换为树形结构或有向图，前端使用 Mermaid.js 实时渲染，支持缩放、重置和导出 SVG。

### ReasonGraph能用于哪些实际场景？
可用于学术研究、教育演示、模型调试与优化、应用开发以及推理方法研究，帮助用户直观看到模型思考路径并定位错误或低效环节。

---
探索 2,800+ 全球实用 AI 工具与官方直达入口：[语宙 AI 导航 (https://ai.paooo.com/)](https://ai.paooo.com/)
