ThoughtDAG – 用于 LLM 对话的基于图的 UI

它是什么 – ThoughtDAG 是一款开源桌面/网页应用，可让您将 LLM 聊天的每一轮视为图中的节点。边（称为连线）定义哪些先前的轮次作为上下文输入到下一个请求中，因此您可以分支、剪枝、重新连接或合并讨论路径，而不会丢失底层工作。

为什么重要 – 传统聊天窗口是线性的；ThoughtDAG 为您提供无限画布，您可以在其中：

• 在单独的分支中探索附带问题。
• 通过内置索引从任何本地 LLM 会话（Claude、Codex、DeepSeek Harness、Pi 等）中提取相关的过去轮次。
• 使用轻量级决策模型（Jev）在发送给 LLM 之前对最有用的摘录进行排序和选择。
• 预览模型将收到的确切内容，编辑该上下文，并在上游编辑发生时重新运行下游节点。

关键功能

功能	您可以做什么
基于图的上下文	连接/断开节点以塑造提示；图（而非仅视觉布局）决定模型输入。
回忆与相关性层	可选的 Jev 模型对过去的摘录进行排序；您可以手动包含/排除它们。
CLI 工具	thoughtdag find、thoughtdag topics 等，让您从终端搜索本地对话历史并跳转到匹配的轮次。
DeepSeek Harness 插件	在 DeepSeek Harness 桌面应用中使用 ThoughtDAG 作为插件，在普通聊天和图画布之间切换。
文档并排	在画布旁边打开 PDF、图像或 HTML，将段落/图形剪裁到节点中，并保留页面引用。
压缩与编织	将长分支折叠为简短摘要，或生成带引用的散文版本，可导出为 Markdown。
会话图集	将保存的本地代理会话加载为图，浏览其节点，并从任何点继续对话。
导出思维导图	保存图结构（节点、边、计数）而不包含全文，用于共享或分析。
逐节点模型选择	在单独的分支上运行不同的 LLM 后端，而无需更改整个画布。
只读共享	发布图供他人检查，同时保持底层数据私有。

安装

• 桌面应用（macOS、Windows、Linux）：brew install --cask thoughtdag 或从网站下载。
• CLI：npm install -g thoughtdag 然后使用 thoughtdag 命令；thoughtdag setup mcp 为代理暴露只读历史工具。
• 从源码：

  git clone https://github.com/chenxiachan/thoughtdag.git
  cd thoughtdag
  npm install
  npm run dev   # 前端在 :5173
  npm run server   # LLM 代理在 :3001
  

• 浏览器演示：https://app.thoughtdag.workers.dev （无需 API 密钥，但功能有限）。

典型工作流程

1. 连接模型 – 配置兼容 OpenAI 的端点、Ollama 或 DeepSeek Harness 使用的提供商。
2. 开始对话 – 每一轮显示为一个节点。
3. 分支 – 在答案中选择文本，创建侧节点，独立探索。
4. 回忆 – 搜索本地索引以查找相关的过去轮次，让 Jev 对它们进行排序，并将选定的摘录添加为连线。
5. 预览 – 查看将发送的确切提示。
6. 编辑 – 剪枝或重新连接连线，压缩长分支，或为特定节点更换模型。
7. 导出 – 将画布保存为思维导图或 Markdown 文档。

研究角度 – 仓库包含上下文干预基准，展示编辑图（移除错误声明或其子图）如何修复下游模型输出。结果作为案例研究呈现，而非通用排行榜。

许可与社区 – MIT 许可，活跃贡献者，路线图，以及支持链接（buy-me-a-coffee）。欢迎通过 GitHub 仓库提交问题和功能请求。

---

ThoughtDAG 让您将 LLM 提示视为可变的、可视化的数据结构，在保持对话探索流程的同时，对模型看到的内容进行细粒度控制。