chenxiachan/thoughtdag

解決する課題

ThoughtDAGは、線形のチャット履歴や自動RAGシステムにおいて、無関係または不正確な情報（ノイズ）がモデルのコンテキストに残り、幻覚やトークンの無駄遣いにつながるという問題に対処します。ユーザーは、言語モデルが任意のターンで見るコンテキストを視覚的に管理・刈り込み、関連情報のみが前方に渡されるようにすることができます。

仕組み

このプロジェクトは有向非巡回グラフ（DAG）を実装しており、ノードはメッセージ、資料、結論を表し、ワイヤー（エッジ）はコンテキストを明示的に定義します。特定のノードに対するモデルの入力は、そのノードに配線されるパスのみによって決定されます。ユーザーはエッジを削除してノイズを除去したり、複数の思考パスを単一の結論にマージしたりできます。

対象ユーザー

LLMインタラクションで高い精度を維持する必要がある研究者、開発者、パワーユーザー。複数のエージェントセッション（例：Claude Code、Codex、DeepSeek Harness）にわたる複雑な調査を管理し、思考プロセスを視覚的にマッピングしたいユーザー向けです。

ハイライト

• 編集可能なコンテキストキャンバス：会話のブランチを視覚的に刈り込んだりマージしたりして、モデルの出力を変更します。
• セッションアトラス：さまざまなローカルエージェントからの会話を統合・インデックス化し、単一の編集可能なグラフにします。
• クリップされたマテリアル統合：PDFやファイルを読み取り、選択したパッセージから直接質問でき、出所追跡も可能です。
• コンテキスト検索CLI：すべてのローカルエージェントセッションから特定のコード言及やフレーズを検索するコマンドラインツール。
• DeepSeek Harnessプラグイン：DeepSeek HarnessのWeb UIに視覚的なコンテキストスイッチとして直接統合されます。
• ローカルファーストのプライバシー：Ollamaを介して完全にオフラインで実行でき、キーとドキュメントをユーザーのマシンに保持します。