GenKit UI 中流运行器追踪数据展示功能解析
2025-07-09 03:47:55作者:田桥桑Industrious
在Firebase的GenKit UI项目中,开发团队最近实现了一个重要的功能增强——在流运行器(flow runner)中展示上一次运行的追踪数据。这个功能为开发者提供了更直观的调试和分析工具,大大提升了开发体验。
功能概述
该功能主要实现了三个核心需求:
- 在右侧面板中以弹出式抽屉的形式展示运行的追踪跨度树(trace span tree),覆盖原有的Schema面板区域
- 通过点击面板左上角的"Trace details"按钮,可以展开更大的抽屉视图显示完整的追踪详情
- 移除了根跨度详情中的"Open in flow runner"按钮,因为用户已经在流运行器环境中
技术实现细节
开发团队采用了分阶段实现的方式来完成这个功能。第一阶段实现了基础功能,包括:
- 追踪树的展示框架
- 抽屉式面板的交互逻辑
- 基本的数据获取和渲染机制
在后续迭代中,团队进一步完善了以下功能点:
- 从错误提示框点击"View trace"时自动展开抽屉
- 调整抽屉样式使其覆盖整个页面顶部,包括导航栏
- 流运行后默认打开跨度树视图
- 历史记录中的查看追踪按钮现在可以加载特定历史项的追踪数据
用户体验优化
在实现过程中,团队特别关注了用户体验的细节。例如,修复了背景颜色回归问题,确保主内容区域与应用背景色保持一致。此外,通过优化抽屉的展开行为,使得开发者可以更专注于追踪数据的分析,而不必频繁切换视图。
技术挑战与解决方案
实现这一功能面临的主要挑战包括:
- 视图状态管理:需要协调多个面板的显示/隐藏状态
- 数据加载性能:确保追踪数据能够快速加载和渲染
- 响应式设计:适应不同屏幕尺寸下的显示效果
团队通过组件化设计和状态隔离解决了这些问题,同时保持了代码的可维护性和扩展性。
总结
GenKit UI中这一追踪数据展示功能的实现,为开发者提供了更强大的调试工具,使得分析流运行行为变得更加直观和高效。通过分阶段开发和持续优化,团队不仅交付了核心功能,还确保了良好的用户体验和代码质量。这一改进将显著提升开发者在使用GenKit框架时的工作效率。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
301
2.65 K
Ascend Extension for PyTorch
Python
130
152
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
457
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
610
196
React Native鸿蒙化仓库
JavaScript
230
307
暂无简介
Dart
593
129
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.05 K
613
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,专门为Transformer模型的训练和推理而设计。
C++
48
77
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
360
2.42 K
openGauss kernel ~ openGauss is an open source relational database management system
C++
155
205