Flowprint - Visualize AI/LLM Workflows
给 AI 编程助手看的代码地图。扫描代码库，把藏在里面的 AI 调用链画成一张有向图，再通过 MCP 交给 AI 助手查询。
纯 TypeScript 实现，零后端——不需要启动任何服务，装完配好 key 就能用。
它解决什么问题
- 接手陌生 AI 项目：不用再全局搜
openai.、顺着调用链逐个读文件，打开图就知道流程长什么样
- 改 AI 代码怕漏：改一个 LLM 调用前，先查影响面和风险评分，而不是靠猜
- 跨服务链路看不见：
agent.py 的 httpx.post 和 server.py 的 @app.post 会被自动连成一条链
快速开始
- 在命令面板执行 Flowprint: Set API Key，填入 API Key（存系统钥匙串，不落明文）
- 执行 Flowprint: Select Model，从账号可用模型里选一个
- 执行 Flowprint: Analyze，或点侧边栏的刷新图标
分析完成后，侧边栏会显示工作流图。点节点跳转源码，鼠标悬停可加注释。
命令
| 命令 |
用途 |
Flowprint: Analyze |
分析工作区 |
Flowprint: Set API Key |
设置 API Key |
Flowprint: Clear API Key |
清除 API Key |
Flowprint: Select Model |
选择模型 |
Flowprint: Diagnose Auth |
诊断认证连通性 |
MCP 工具
扩展会自动把 MCP server 注册到工作区的 .mcp.json，之后 AI 编程助手可以用自然语言查询这张图：
| 工具 |
用途 |
get_task_context |
任务描述 → 涉及的文件和函数 |
search_graph |
按关键词搜节点和工作流 |
list_workflows |
列出所有工作流（按规模排序） |
get_workflow |
单条工作流的完整拓扑 + 执行顺序 |
get_node |
节点详情 + 上下游 + 人工注释 |
analyze_graph |
图算法分析：validate / impact / risk / dead_code / hub |
set_node_note |
给节点写注释（跨分析保留） |
graph-summary（资源） |
图摘要，自动注入上下文 |
改代码前的推荐顺序：先 validate 确认图可信，再用 impact 看影响面、risk 看风险。
配置
| 配置 |
默认 |
说明 |
flowprint.model |
空 |
模型 ID |
flowprint.edition |
ioa |
版本环境，国内版用 internal |
flowprint.endpoint |
空 |
仅私有化部署时填 |
支持的语言
Python、TypeScript、JavaScript、Go、Rust、C、C++、Swift、Java、Lua、TSX（基于 Tree-sitter）。
已知限制
- 图由 LLM 生成，会有幻觉和遗漏，只覆盖 AI/LLM 相关代码，查不了普通业务代码
- 运行时多态、反射、依赖注入的调用关系连不上
- 单次扫描上限 10,000 个文件
- 单次分析建议不超过几百个文件，超大仓库首次分析耗时较长
分析结果存在 .vscode/flowprint-graph.json，注释存在 .vscode/flowprint-annotations.json。
License
MIT
| |
