Show HN: ThoughtDAG – LLM会話のための編集可能なコンテキストグラフ
Show HN: ThoughtDAG – An editable context graph for LLM conversations (chenxiachan.github.io)
要約
ThoughtDAGは、LLM(大規模言語モデル)との会話におけるコンテキストを視覚的かつ編集可能にするツールです。ユーザーは、会話の分岐を探求したり、不要な部分を削除したり、複数のパスを統合したり、モデルが受け取るコンテキストをプレビューしたりできます。これにより、LLMの応答の再現性と透明性が向上します。
全文翻訳
[画像] ThoughtDAG
ThoughtDAG · オープンソース · MIT
次の質問を、以前の思考に繋げる
ThoughtDAGはオープンソースのAI会話キャンバスです。モデルに送信されるコンテキストを編集し、サイドの質問を探求し、選択した過去の議論を次の質問に反映させることができます。
[動画]
ある箇所を選択し、サイドの質問を探求してから、計画に戻る。インタラクションの例。
次の質問の妨げになっているものは何か?
[動画]
古い前提が繰り返し現れる。
次のリクエストを検査する。不要なルートを削除し、以前の議論を保持して、再生成する。
[動画]
サイドの質問がメインスレッドを脱線させる。
ブランチを探求し、マップ上の自分の場所を維持して、有用な発見を後続の質問に繋げる。
[動画]
結論は覚えているが、その理由は思い出せない。
サポートされているローカルな会話を見つけ、元の条件を確認し、必要な部分を引用する。
ワークフローの例。各チュートリアルには、アプリで試す手順とダウンロード可能なGIFが含まれています。
開始する前に
会話を削除せずにコンテキストを編集できますか?
はい。ワイヤーを削除すると、後続のリクエストへのそのルートは削除されますが、ノードは保持されます。他の入力パス、アタッチメント、およびリコールも確認してください。既存の回答は、編集または再生成されるまで変更されません。
分岐は非線形思考をどのようにサポートしますか?
代替の質問を別々のブランチに保持し、キャンバス上で比較し、選択した発見を新しい下流の質問に繋げます。ブランチは上流の会話パスを継承します。ある箇所を選択しても、コンテキストはその言葉だけに限定されません。
過去のチャットはすべて自動的に表示されますか?
いいえ。デスクトップアプリは、接続したサポートされているローカルレコードをインデックス化します。保存されていない履歴を復元したり、Webアカウントにのみ保存されているチャットに自動的にアクセスしたりすることはできません。リモートモデルを使用する場合、リクエストに含まれるマテリアルはそのサービスに送信されます。
ThoughtDAG
あなたの思考にはマップがふさわしい
A wire is the context
スクロール
CHAT HIDES CONTEXT.
THE GRAPH IS THE CONTEXT.
線形会話
編集可能なコンテキストグラフ
同じプロンプト · 異なるコンテキスト
AI会話 87メッセージ
3つの研究パスを比較する。
最初から始める。その利点は…
もし中心的な仮説が失敗したら?
別の説明を検討する…
また、今日の夕食は何を食べようか?
近くに新しいレストランがある。
履歴はここにある。どの部分が次のリクエストに入るか?
research-paper.pdf p.7
結果
効果は実験条件でのみ現れる。
ページから選択
クリップされたパスsage research-paper.pdf · p.7
この証拠は実際に何を意味するのか?
ソースがリンクされている · まだワイヤーされていない
ソースから質問された research-paper.pdf · p.7
この証拠は実際に何を意味するのか?
ソースはコンテキスト内にある
無関係なブランチの脱線
今日の夕食は何を食べようか?
この履歴は研究概要に含めるべきではない。
まだ接続されている
汚染された要約 3つのソース
研究概要…また、夕食には火鍋も検討してください。
プロンプトは同じまま。汚染されたコンテキストが回答を変更した。
無関係なブランチを含む
送信される 1,284 トークン
モデルが受信するものをプレビューする
受信する祖先:
研究質問 証拠A 夕食の脱線
オレンジ色のエッジを削除した後: −47 トークン
コンテキスト差 −47 トーク
夕食の脱線がコンテキストに残った
同じプロンプト · 再生成
同じプロンプト · 再度質問
箇条書きの要約を教えてください
単語は同一。エッジは1つだけ変更された。
再現可能なコンテキスト
クリーンな回答 2つのソース
1: データベースのバージョンを記録する。2: 独立したレビューアを使用する。3: 第三のレビューアと対立を解決する。
無関係な夕食の提案はなくなった。
回答はインプレースで更新された
One rule ThoughtDAG
ワイヤーはコンテキストである。
隠されたメモリセレクターはない。モデルが見るもの、なぜそれを見るのか、そして何が削除されたのかは、グラフ上で可視のままである。
可視 · 編集可能 · 検査可能
01 · 問題
チャット履歴は長い。コンテキストは依然として見えない。
インターフェースは、何が言われたかを示すが、どの履歴が次のリクエストに入るかは示さない。
02 · 外部化
ソースから質問する。重要なものをクリップする。
選択した箇所から質問するか、箇所または図を独自のソースリンク付きノードに変える。出所は添付されたまま、コンテキストはあなたがワイヤーするためのもの。
03 · 検査
送信する前に、モデルが読むものを検査する。
ソースノード、順序、トークン数をプレビューする。コンテキストはもはや隠された決定ではない。
04 · 編集
1つのエッジを削除する。同じ質問を再度行う。
削除されたブランチは実際にはリクエストから離れる。コンテキストによって回答が変更される。
05 · プロトコル
ほとんどのキャンバスは情報を整理する。ThoughtDAGはコンテキストを編集する。
何が入って何が出るかをあなたが決定する。グラフは生成前のコンテキストプロトコルである。
1 / 5 見えないコンテキスト
グラフはコンテキストの絵ではない。グラフはコンテキストである。
ThoughtDAGはノードの受信エッジをたどり、関連する祖先を順序付けし、選択したモデルに送信されるメッセージシーケンスを構築する。構造は可視、編集可能、検査可能のままである。
ブランチ
ここに至るパスを上書きせずに、別の解釈を探求する。
プルーニング(枝刈り)
キャンバス上に有用な脱線を保持しつつ、次のリクエストから除外する。
マージ(統合)
選択した証拠と推論パスを1つの回答に再び統合する。
検査
生成前にモデルが受信するものをプレビューする。隠されたメモリ選択はない。
会話を検索する。
モデルが次に何を見るかを決定する。
コードファイル、正確なフレーズ、URL、または論文から始める。ThoughtDAGは、ローカルエージェントの会話全体で一致するターンを見つける。
インデックスはあなたのマシン上で構築される。
Claude Code Codex DeepSeek Harness ThoughtDAGキャンバス
1つのローカルインデックス
検索 · 1コマンド CLI
$ npx thoughtdag why src/lib/api.ts
why src/lib/api.ts · 12 turns in 6 sessions
claude-code · ✏ edit
Q: Can the API detect vision support?
Δ storedProviders → storedProviders, storedVision…
$ npx thoughtdag why src/lib/api.ts
why src/lib/api.ts · 12 个相关轮次,来自 6 个会话
claude-code · ✏ 修改
Q: 能否判断模型是否支持多模态?
Δ storedProviders → storedProviders, storedVision…
ファイル名を覚えていない?正確なフレーズ、URL、または論文IDでも会話を見つけることができる。
NEW IN 0.4 · SESSION ATLAS
エージェントのコンテキストをグラフとして見る
異なるエージェントに散らばった作業を1つの編集可能なグラフにまとめる。各セッションが何を運んでいるかを確認し、任意のノードから続行し、新しい作業を思考が始まった場所に戻す。
ローカルディスカバリ · 可視コンテキスト · クロスエージェント継続性
デスクトップアプリおよびHarnessプラグインで利用可能 · Claude Code, Codex, DeepSeek Harness セッション。
SESSION ATLAS context · mapped
thoughtdag-main 18 セッション
codex 矛盾する発見の調査 更新済み
claude-code ベンチマーク設計のレビュー 昨日
文献の不一致
研究デザインを確認する
代替説明
コンテキストに残るのは何か?
- 新しいターンがここに追加される
NEW · INSIDE DEEPSEEK HARNESS
あなたのキャンバス。あなたの次のハーネスのターン。
チャットから思考グラフに切り替える。コンテキストを接続し、フォローアップを質問し、ハーネスに次のターンを実行させる。
[動画]
CONTEXT REPAIR PILOT
なぜ編集可能なコンテキストが重要なのか
ソースでエラーを削除しても、それが下流のコンテキストから離れたことを意味しない。9つのモデルエンドポイント全体で、ソースのみを削除すると162件中152件の脱線したケースが修復され、汚染されたサブグラフを削除するとすべて162件が修復された。ThoughtDAGでは、分岐、プルーニング、再構築が、モデルが実際に次に何を見るかを決定する。
CONTEXT REPAIR · PILOT V2 9 ENDPOINTS · 1215 CONDITIONS
ソース
質問
Explore A コンテキストに保持
Explore B 更新されていないブランチ
Merge / condense 次のリクエスト
exclude outdated branch
152 / 162 ソースのみ削除
161 / 162 下流を再計算
162 / 162 サブグラフ全体を削除
THOUGHTDAG PRODUCT STORY 0:32
[動画]
必要なレイヤーから始める
エージェントで検索するか、Harness内で作業するか、スタンドアロンアプリを開く。1つを選択して開始する。
CLI + read-only MCP
サポートされているエージェント全体で会話を検索し、エージェントにクエリツールを直接呼び出させる。デスクトップアプリは不要。
npm install -g thoughtdag thoughtdag setup mcp
dsh plugin --profile web add dsh-thoughtdag dsh web
フルビジュアルアプリ · Session Atlas, canvas and file readers
同じアプリを独自のウィンドウで、ローカルエンジンをバンドルして使用。Node不要、ターミナル不要。
v0.5.19
インストールノート
macOSビルドはAppleによって署名および公証されています。ダブルクリックして実行してください。Windowsビルドはまだ署名されていません。SmartScreenプロンプトで「詳細情報」を選択し、「実行 anyway」を選択してください。
すべてのバージョンと履歴はGitHub Releasesにあります。