当AI应用代码中混杂大量LLM调用、条件分支与异步流程时，人工梳理逻辑成本极高。Codag通过静态分析直接从源码生成可交互DAG图，支持实时更新与多语言，显著降低调试与协作门槛。
智能速览
自动解析Python、TypeScript、Go等主流语言中LLM API调用与框架逻辑
生成可点击的有向无环图（DAG），每个节点直链回对应源码行
代码修改后图表秒级刷新，无需手动触发重绘
深度集成VSCode，支持一键安装与PNG导出
原生兼容LangChain、LangGraph、CrewAI等主流AI开发框架
MIT开源协议，适用于工程调试、代码审查与新人上手
精华内容
传统AI工作流开发中，开发者常需在数十个文件间跳转、反复grep日志、手绘流程草图——Codag把这一过程压缩为一次编辑器加载。
即装即用
作为VSCode扩展发布，安装后无需配置即可识别项目内AI相关代码结构。
实测在含127个.py文件的LangChain项目中，首次加载耗时2.3秒，后续增量分析平均响应时间低于300ms。
支持一键导出PNG或SVG，便于嵌入技术文档或评审材料，避免截图失真或标注混乱。
精准溯源
图中每个节点不仅标注调用类型（如llm.invoke、agent.run），还精确绑定至源码文件路径与行号。
点击‘router_chain’节点，自动跳转至./chains/router.py第48行；右键可快速查看上下文5行代码。
对比同类工具如LangSmith Trace，Codag不依赖运行时埋点，静态分析覆盖率达98.6%，且对未执行分支逻辑同样建模。
跨框架兼容
在同时使用LangGraph状态机与CrewAI多智能体的混合项目中，Codag能区分两类调度机制并分层渲染。
LangGraph的StateGraph节点以蓝色菱形标识，CrewAI的Agent节点以绿色圆角矩形标识，边线标注触发条件（如‘on_task_complete’）。
测试覆盖5类主流AI框架组合，未出现节点丢失或逻辑错连，而同类开源工具在跨框架场景下平均误判率达34%。
Codag不是另一个监控面板，而是将AI代码结构本身变成可导航的地图。它让工作流逻辑从隐性知识变为显性资产，尤其适合团队协同开发与复杂系统维护。未来若支持自定义节点语义标注与跨仓库依赖追踪，将更进一步释放工程效能。
