旧假设总在影响后面的回答。
看清下一次请求,移除不需要的输入路线,再重新生成。原来的讨论仍然保留。
如何编辑 AI 上下文 →ThoughtDAG · 开源 · MIT 许可
ThoughtDAG 是开源 AI 对话画布。你可以编辑发给模型的上下文,沿一句话展开支线,再把过去有用的讨论接到新问题上。
看清下一次请求,移除不需要的输入路线,再重新生成。原来的讨论仍然保留。
如何编辑 AI 上下文 →展开支线,缩小看清讨论全貌,再把有用的发现接到后续问题。
如何展开 AI 对话分支 →找到本地历史对话,核对当时的条件,再引用真正需要的部分。
如何接上过去的 AI 讨论 →以上为交互示意动画。教程包含可在应用里操作的步骤,以及可下载的 GIF。
可以。删除连线会移除进入后续请求的那条路线,节点仍然保留。还要检查其他路径、附件和回忆条目;已有回答需要编辑或重新生成,才会改变。
把不同问题放到各自的支线上,在画布里比较,再把选中的发现接到新的后续问题。支线会继承上游对话路径;选中一句话追问,不代表模型只会看到这句话。
不会。桌面版索引的是已经接入、受支持的本地记录,不能恢复未保存的历史,也不会自动读取只存在于网页账号里的聊天。使用远程模型时,请求中包含的材料会发送给对应服务。
ThoughtDAG
向下滚动
聊天都在这里,可下一次到底会带上哪些内容?
这段对话不该进入研究总结。
仍在上下文中问题没变,混进来的上下文却改变了答案。
混入无关分支这次会带上:
研究问题 证据 A 晚饭话题删掉橙色连线后:减少 47 tokens
问题一字未改,只有一条连线变了。
上下文可复现回答里不再出现无关的晚饭建议。
答案已更新不必把上下文筛选交给藏在系统里的黑盒。模型看到了什么、为什么会看到、哪些内容被删掉,图上都清清楚楚。
可见 可编辑 可追溯界面记下了说过的话,却没告诉你:下一次,究竟哪些内容会发给模型。
选中原文就能直接追问,也能把文字或图像摘成带出处的独立节点。出处会保留,是否进入上下文仍由你连线决定。
来源、顺序和 token 用量一目了然。上下文不再由系统悄悄决定。
这条分支会真正退出上下文;问题没变,答案会随着上下文改变。
什么进入,什么退出,由你决定。图不是回答生成后的装饰,而是生成前的上下文协议。
ThoughtDAG 会沿着连入节点的边,找到并排列相关的上游内容,再把它们组成发送给模型的消息。模型会看到什么,始终一目了然,也随时可以调整。
换个方向继续想,又不必改写原来的思路。
岔路可以继续留在画布上,但不必再进入下一次对话的上下文。
把选中的证据和推理路径,汇成一个新的回答。
回答生成前,先确认模型将看到哪些内容。上下文不再藏在系统里。
让 Agent 检索历史、在 Harness 中使用画布,或打开独立应用。选适合你的一种开始。
npm install -g thoughtdag
thoughtdag setup mcp
把思维图接入网页界面,使用 Harness 模型、执行 Agent 轮次,并在 Atlas 中探索会话。无需另装 ThoughtDAG 应用或 CLI。
安装与使用手册 → 每个 Release 附带插件文件(.tgz),同一条命令可直接装它的链接 →dsh plugin --profile web add dsh-thoughtdag
dsh web
同一个应用装进独立窗口,内置本地引擎。不需要 Node,不需要终端。
v0.5.6全部版本与历史在 GitHub Releases。