Virgole finali. Il JSON standard non le permette. Se hai copiato da debugger o REPL, potresti dover pulire {...},] → {...}] prima di incollare. Apici singoli. Il repr di Python usa apici singoli. Passalo per json.dumps , o usa un convertitore Python-literal a JSON. System prompt Anthropic. L'istruzione system nell'API Anthropic è un campo top-level, non un messaggio. Se il tuo dump ha solo l'array di messages, il system prompt non c'è — incollalo come {"role": "system", "content": "..."} all'inizio. Argomenti tool-call come JSON escapato. OpenAI restituisce arguments come stringa JSON. Noi de-escappiamo e pretty-printiamo. Se il JSON nella stringa è rotto, viene mostrata la stringa grezza. Privacy. Niente lascia la pagina. Tutto gira in JS sul JSON che incolli. Non incollare nulla che non incolleresti in una app di note.

Visualizzatore Thread di Chat

Incolla un array di messages OpenAI o Anthropic (JSON) e vedilo come thread di chat leggibile. Colorato per ruolo. Parametri tool-call espandibili. Solo browser, niente upload.

Paste messages JSON (OpenAI / Anthropic / LangChain)

A cosa serve?

Le app LLM loggano le conversazioni come array JSON di messaggi — è ciò che viene mandato all'API e ciò che vedi negli audit log, nelle trace di valutazione, nei dataset di fine-tuning e nel debug dell'SDK. Leggere quegli array a occhio è atroce: muri di stringhe escapate, argomenti di tool-call avvolti in JSON-dentro-JSON escapato, system prompt mischiati col resto. Questo strumento ti dà un render rapido a bolle per scorrere la conversazione vera, vedere quali messaggi contenevano tool-call e individuare il prompt che è andato fuori strada.

Quali formati capisce

OpenAI Chat Completions. [{role, content}, ...] con tool_calls opzionali sui messaggi assistant e role: "tool" per i risultati. La forma più comune.
Anthropic Messages API. [{role, content: [...]}] dove content è un array di blocchi (text, tool_use, tool_result, image). Il system prompt è di solito top-level — incollalo come messaggio system se vuoi vederlo.
Dump messaggi LangChain. [{type: "human" | "ai" | "system", content: ...}] — forma più vecchia di LangChain, ancora comune nelle trace salvate.
Oggetti wrapper. Se incolli {"messages": [...]} o {"input": [...]}, il wrapper viene scartato automaticamente.

Cosa viene renderizzato

Bolle colorate per ruolo. System = grigio centrato, user = indaco a destra, assistant = neutro a sinistra, tool result = verde.
Tool-call. Espansi di default con argomenti pretty-printed. Sia tool_calls di OpenAI sia i blocchi tool_use di Anthropic sono gestiti. I messaggi di risultato appaiono in una bolla separata.
Code fence e inline code. Blocchi tripli backtick come <pre> in monospace, singoli backtick come inline. Niente syntax highlighting (non spediamo un tokenizer per quello), l'indentazione è preservata.
Riferimenti immagini. I blocchi image di Anthropic mostrano una pillola piccola con URL o media-type — non carichiamo l'immagine (lo strumento resta offline).
Riga di stats. Formato rilevato, numero messaggi, numero tool-call e stima grezza di token con la stessa euristica del nostro Token Counter.

Trappole comuni

Virgole finali. Il JSON standard non le permette. Se hai copiato da debugger o REPL, potresti dover pulire {...},] → {...}] prima di incollare.
Apici singoli. Il repr di Python usa apici singoli. Passalo per json.dumps, o usa un convertitore Python-literal a JSON.
System prompt Anthropic. L'istruzione system nell'API Anthropic è un campo top-level, non un messaggio. Se il tuo dump ha solo l'array di messages, il system prompt non c'è — incollalo come {"role": "system", "content": "..."} all'inizio.
Argomenti tool-call come JSON escapato. OpenAI restituisce arguments come stringa JSON. Noi de-escappiamo e pretty-printiamo. Se il JSON nella stringa è rotto, viene mostrata la stringa grezza.
Privacy. Niente lascia la pagina. Tutto gira in JS sul JSON che incolli. Non incollare nulla che non incolleresti in una app di note.