MGDebugger 是评测安全领域的开源项目，由 YerbaPage 开发，2024 年首次发布。
它收录于评测安全分类，该分类目前共有 458 个项目，GitHub 星标数为 101。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-08-01。MIT许可证，免费使用，无付费版本。
它主要面向的使用场景是：大模型微调时分析输出异常原因。同类可对比的替代方案包括 Langfuse、PromptWatch、OpenLIT。
MGDebugger
像调试传统代码一样调试大模型，快速定位推理错误根因。
MGDebugger 是一个面向大语言模型的多粒度调试工具，源自 ICSE 2026 论文。它解决 LLM 推理过程中错误难以定位和归因的问题，通过在不同粒度（如 token、层、注意力头）上追踪和分析模型行为，帮助开发者快速发现逻辑错误、知识冲突或上下文误用。核心能力包括细粒度的中间状态可视化、错误传播路径追踪、以及基于对比分析的根因定位。该工具以 Python 实现，易于集成到现有 LLM 开发流程中，适用于模型微调、提示工程和推理链调试等场景。目前项目处于早期阶段，但提供了清晰的 API 和文档，旨在降低 LLM 应用开发中的排错门槛。
开源
free
开源模型
GitHub 星标
★ 101
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类开源模型
开发团队YerbaPage
所属国家
定价模式free
价格说明开源项目，MIT许可证，免费使用，无付费版本。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型automatic-program-repair,code-generation,debugger,large-language-models,llm,programming-languages
GitHub 星标★ 101
30天Star增速
HF 下载量
上线时间2024-09-27 00:00:00
最近更新2026-08-01 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数4
使用教程
核心亮点
- 提供从 token 到注意力头的多层级调试视角，定位问题更精准
- 基于 ICSE 论文方法，具备学术严谨性和创新性
- Python 接口简洁，易于嵌入现有模型推理流程
不足之处
- 早期项目，文档和社区支持待观察
- 仅支持 Python 生态，可能不覆盖其他语言模型框架
适用场景
- 大模型微调时分析输出异常原因
- 提示工程中调试复杂推理链错误
- 研究模型内部机制时进行细粒度行为分析
替代项目
Langfuse、PromptWatch、OpenLIT
项目介绍
同类项目推荐
akto
开源
给 AI 应用做安全体检，防提示注入和数据泄露
Akto is the fastest growing AI Security platform for your teams to secure AI agents,···
XSafeClaw
开源
给 AI 智能体装上安全盾，自动红队测试找漏洞
Introducing XSafeClaw: The Open-Source Agent Safety Platform from Fudan University
deepteam
开源
自动模拟越狱攻击，提前测出 LLM 安全漏洞
DeepTeam is a framework to red team LLMs and AI agents.
Tracely-ai
开源
把生产事故变成回归测试，合并前自动拦截 AI 故障
Trace-native CI/CD for AI agents — production failures become regression tests that···