Визуализация

Объекты результата и цепочки CARL отрисовывают себя сами. По умолчанию всё текстовое — для PNG-вывода установите pip install 'mmar-carl[viz]'.

Из результата

result = chain.execute(context)

print(result.format_token_pie())                 # "text" | "mermaid" | "png"
print(result.format_prompt_completion_breakdown())
print(result.format_profiling_table())           # per-step cost / latency / cache
print(result.format_cost_by_model(pricing={"qwen/qwen3-8b": (0.00002, 0.00006)}))

Также полезно: result.token_usage_by_step, result.partial_outputs, result.get_partial_final_output().

Из цепочки

print(chain.to_mermaid())                          # the DAG
print(chain.to_mermaid_critical_path(result))      # highlight the critical path
print(chain.to_mermaid_heatmap(result, metric="tokens"))  # "tokens" | "latency" | "cost"

Заметка

Mermaid использует <br/> (не \n) как перенос строки внутри меток узлов — каждый метод CARL to_mermaid_* уже использует <br/>.

ChainVisualizer — компоновка нескольких представлений

ChainVisualizer — fluent-фасад, буферизующий несколько представлений в одном выводе:

from mmar_carl import ChainVisualizer

ChainVisualizer(result, chain=chain).token_pie().gantt().heatmap(metric="tokens").print()

Также принимает evolution_result= для включения графиков эволюции.

Jupyter

ReasoningResult, EvolutionResult, DatasetEvaluationReport, CostEstimate и ChainVisualizer реализуют _repr_markdown_ — введите объект в ячейку ноутбука и он отрисует баннер статуса + таблицы + Mermaid без print().

Смотрите также

• Трассировка и наблюдаемость
• Оценка стоимости
• DAG цепочки в MAESTRO CARE — TUI рисует тот же DAG прямо во время выполнения цветным графом из блоков и стрелок, а для простых терминалов есть ASCII-режим.