用途：nnsight 用于解释与操纵神经网络内部结构，支持任意 PyTorch 模型。核心特点是“一次编写，随处运行”：同一份代码可本地跑小模型，也可通过 NDIF 远程跑 70B+ 大模型，只需设置 remote=True。
主要能力：通过 LanguageModel 包装器加载 HuggingFace 模型；使用 model.trace() 追踪上下文收集计算图；用 Proxy 对象记录对模块输出、注意力等的访问与修改，并用 .save() 保存结果供上下文外读取。支持激活分析、激活补丁、跨提示激活共享、梯度分析（标准执行下）。支持任意架构（Transformers、Mamba、ViT、CLIP、自定义 nn.Module）。
使用方式：安装 pip install nnsight，vLLM 支持用 pip install "nnsight[vllm]"。远程执行需在 login.ndif.us 注册获取 API key，并设置 NDIF_API_KEY 或 CONFIG.API_KEY。远程追踪可加 remote=True 和 timeout 参数；生成干预用 tracer.invoke() 与 model.generate()。
适用场景：需要研究超出本地 GPU 能力的大模型内部、跨架构可解释性实验、多 token 生成干预、在不同提示间共享激活；若只需跨模型一致 API 可选 TransformerLens，声明式可分享干预可选 pyvene，训练 SAE 可选 SAELens。
限制：梯度访问不支持 vLLM 或远程执行；远程操作可能超时；保存大量激活会占用内存；不同模型模块路径不同，需先确认结构。分类归入智能体与模型。文中涉及的费用、价格、平台与效果等细节暂未提供。