대규모 추론 모델 (Large Reasoning Models)의 등장은 이례적으로 긴 사고 사슬 (Chain-of-Thought) 흔적을 도입하였으며, 이는 중요한 논리가 방대한 절차적 텍스트 아래에 묻히는 투명성 부담을 초래했습니다. 이를 해결하기 위해, 우리는 복잡한 추론 사슬의 계층적 시각화 및 진단 감사를 위해 설계된 오픈 소스 프레임워크인 ReasoningLens를 제시합니다. ReasoningLens는 다음과 같은 정보 부검 (information necropsy) 방식을 다룹니다: (1) 고수준 전략 (high-level strategy)과 저수준 실행 (low-level execution)을 분리하여 흔적을 상호작용 가능한 계층 구조로 구조화합니다; (2) 자동화된 오류 탐지 및 도구 증강 검증 (tool-augmented verification)을 위해 에이전트 기반 감사자 (agentic auditor)를 활용합니다; (3) 모델 특유의 사각지대를 드러내기 위해 체계적인 추론 프로필을 합성합니다. ReasoningLens는 구조화되지 않은 텍스트의 벽을 실행 가능한 통찰력으로 변환함으로써, 차세대 추론 중심 AI를 해석, 디버깅 및 최적화하기 위한 모듈형 기반을 제공합니다.