思维图对话画布chenxiachan/thoughtdag

ThoughtDAG

找到相关对话。决定模型下一步看到什么。

License
Status

下载桌面版 ↓ · 官网 · 使用文档

English · DeepSeek Harness 插件 · 找回历史上下文 · 可视化应用 · 有何不同 · Agent 会话 · 研究 · 完整文档

新功能 · DeepSeek Harness 插件上线！

ThoughtDAG 可以作为 DeepSeek Harness 网页界面里的一个视图运行：对话框上方多一个 对话 | 思维图 开关。画布决定 Harness 下一步看到什么，Harness 负责把这一轮跑完。

dsh plugin --profile web add dsh-thoughtdag
dsh web

pnpm 11 默认会把发布不满 24 小时的版本压住，发版当天上面这条命令可能仍装到上一个版本。想当天装到新版，直接点名版本：dsh plugin --profile web add dsh-thoughtdag@，版本号见最新 Release。已装的用同一条命令加 @latest 或版本号即可更新。

- Agent 对话地图看到四家。 Harness 自己的会话和 Claude Code、Codex、Pi 并列；打开一个就是一张图，随对话实时生长。
- 在画布上提问。 选 Harness 的任一模型，或选 DeepSeek Harness · Agent，问题作为一轮真实的 Harness 对话执行，工具随它用。回答流回节点，这一轮留在 Harness 的会话日志里。
- 连线决定 Harness 看到什么。 连进问题的材料、笔记和节点就是它收到的上下文；在镜像会话的链尾追问，会续接那个会话。

插件自带画布，不需要另装 ThoughtDAG。需要 Node 22.19 以上和 DeepSeek Harness 0.1.2-rc 及之后版本。

新功能 · 跨 Agent 精确定位所需上下文

从一个代码文件、一句记得的原话、一个网址或一篇论文出发。ThoughtDAG 检索本机上的 Agent 对话，并带你回到命中的那一轮。

无需安装，直接试用：

npx thoughtdag why src/lib/api.ts
npx thoughtdag find "你记得的一句话"

日常使用时，安装 CLI 并接入只读 MCP 工具：

npm install -g thoughtdag
thoughtdag setup mcp

之后 Agent 可以直接调用 why_check、why_file、find 和 recall_turn。Claude Code、Codex、DeepSeek Harness、Pi 与 ThoughtDAG 画布里的对话会在本机进入同一份索引；不安装桌面版也能使用。

它能找到什么

哪些对话修改或提及过这个代码

$ 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…
……

哪些对话提过这个概念

$ npx thoughtdag find "context.committed" --in q
find "context.committed" · 21 个相关轮次，来自 12 个会话
claude-code  Q: ……把 context.committed 加入事件契约……
codex        Q: ……context.committed 已经实现了一半……
……

哪些对话聊过这个文件、论文或网页

$ npx thoughtdag find "arxiv" --in m
find "arxiv" · 1 个相关轮次，来自 1 张画布
thoughtdag   M: ……集体智能、人工生命 · arXiv:2606.26733……

来自真实本地结果，仅保留最有用的几行。

让 Agent 少读无关历史，显著降低上下文污染导致的幻觉与错误，减少 token 浪费，提高回答准确率。 查询层只带回命中的历史；画布层剪掉污染分支，不让它继续影响下一个回答。

想进一步探索并可视化上下文？

完整版桌面应用提供 Agent 对话地图、可编辑上下文画布、PDF/文件阅读器、模型与搜索接入、摘取、导出和交接。

brew install --cask thoughtdag

也可以前往下载页获取 macOS、Windows 与 Linux 版本。

▶ 33 秒旁白讲解

唯一法则

连线即上下文。 模型看到的，精确等于连进节点的内容。编辑图，就是在编辑模型的记忆。

很多工具都把对话放上画布。在 ThoughtDAG 里，连线不是装饰，也不是执行路径。它决定模型下一次看到什么。

它长什么样

每个手势背后是同一条原则：人在回路上，模型在连线上。没有自主代理替你改图。

✂️ 删一条边，换一个答案

模型只看到连进来的内容。删掉噪音边，同一个问题返回干净的回答。在示例画布第 ③ 区亲手复现。

📖 把文献读成思维地图

圈选一段直接提问，答案带着页码落进画布，p.N 芯片一键跳回原文。读完论文，地图已经画好。

💎 先凝练，再把整张地图带走

节点可以合并成更高一层的结论，高光可以串成带引用的文字。继续缩小，完整卡片会收拢成收获句和图标骨架；最后，把当前结构导出成明暗两色的思路地图。

🧭 把 Agent 会话带进画布

把散落在不同 Agent 里的工作，汇成一张可编辑的上下文图。从任意节点继续探索，再把新的结果接回思路开始的地方。

目前支持本机 Claude Code、Codex、DeepSeek Harness 与 Pi 会话，更多 Agent 正在接入；源会话始终只读。

ThoughtDAG 和其他图形化 AI 工具有何不同

很多产品都有节点和连线，但这张图在不同产品中做的事并不一样。

| 产品类别 | 与 ThoughtDAG 的区别 |
|---|---|
| 线性对话 | 上下文沿一条时间线累积；ThoughtDAG 可选择和合并可见路径。 |
| 思维导图与数字白板 | 连线主要帮人整理概念；ThoughtDAG 的连线还会改变模型输入。 |
| 分支对话画布 | 通常沿一条父链继承；ThoughtDAG 还能合并或剪枝多条路径。 |
| 工作流与 Agent 画布 | 连线用于运行任务和传递数据；ThoughtDAG 的连线用于控制对话上下文。 |
| RAG 与自动记忆 | 系统自动检索上下文；ThoughtDAG 让选择过程可见、可编辑。 |
| 代码结构图工具 | 它们回答“和什么相连”；ThoughtDAG 找到塑造它的对话与决策。 |
| Agent 记忆与对话检索 | 它们找回文本；ThoughtDAG 索引 Agent 对文件和材料做过什么，并让你控制哪些上下文继续向前。 |
| Harness 上下文查看器 | 它们显示会话当前携带了什么；ThoughtDAG 让你编排下一轮收到什么，并作为真实的一轮发出去。 |

ThoughtDAG 是一张由人编辑的上下文图：连入节点的路径与显式引用构成下一次请求，被排除的内容则继续留在画布上。

🗺️ 你可以导出你的思维的形状

导出图保留节点、连线与结构统计，不画具体问答。问题不同，探索方式不同，最后留下的思路形状也不同。

更多运行方式

从源码运行

npm install
npm run server    # LLM 代理 :3001
npm run dev       # → localhost:5173
无 .env 时，在应用内连接任意兼容 OpenAI 协议的接口即可

环境变量、本地模型与连接方式 → docs/setup_ZH.md

在线体验

想先花十秒看看再决定装不装？在线 Demo 在浏览器里直接跑，示例画布免 key。注意它是功能子集：Agent 对话地图、本机会话发现、免 key 联网搜索、部分直连工具和订阅桥只在桌面版/本地可用。

🧪 研究：为什么上下文需要可编辑

上下文干预基准 · Pilot v2

9 个模型 · 1,485 次测试 · 全程免费档 $0 · 答案精确匹配打分

上下文的问题不只是随对话变长而衰减。错误的信息会流入后续的回答，影响之后每个结论的可信度和真实性。我们的 benchmark 实验验证了九个语言模型，发现这个特性广泛存在：只删掉最初说错的那条消息往往不够，因为后续回答仍然带着这个错误。要恢复正确答案，需要把受影响的整段对话一起清理，或者让模型重写这一段。在一个可以开关逐步思考的模型上，最小化的清理只在思考开启时有效。上下文需要管理，而不只是累积。

完整报告解释了方法、数字与统计，以及这个实验能说明什么、不能说明什么。它不做模型排名，也不解释模型内部机制，只检验一个可观察的问题：改变模型看到的内容，会不会改变它接下来的回答。

📖 阅读首轮案例 · 📊 实验方法与结果（英文技术报告） · 💬 建议下一轮测试模型

更多能力

| 能力 | 说明 |
|------|------|
| 📤 只读分享 | 一条链接携带整张图，无账号、不经服务器存储 |
| 🧭 陈旧重放 | 上游一改，受影响回答亮标记；按依赖序批量重放，先报 token 价 |
| ✂️ 摘取 | 阅读器里圈选文字、框选图表，摘成带页码出处的画布素材 |
| 🔌 模型自由 | 节点级钉选、沿线继承；纯文本模型经伴随文本读图 |
| 🧭 Agent 会话接续 | 把不同 Agent 的会话汇入同一张图，从任意节点继续，再把结果接回原图 |
| 🔒 本地优先 | 自动文件夹备份写成真实文件，指向同步盘即跨设备 |

完整功能清单（60+ 条，按领域分组）→ docs/features_ZH.md

模型、成本与隐私

连接本地 Ollama 或任意兼容 OpenAI 协议的端点。内置预设、订阅接入与环境变量说明统一放在配置文档。

- 免费档模型覆盖全部功能；本地 Ollama 完全离线
- 桌面版一切都在本机：画布、key、文档；在线 Demo 的模型流量浏览器直连，key 不经服务器
- PDF 不离机，只有提取文本随提问发出
- 在 DeepSeek Harness 里，模型调用走 Harness 自己的接入和 key；ThoughtDAG 不另加 key，图片和链接抓取也走 Harness 的附件库与受限抓取器
- 备份格式向后兼容；Markdown 导出是永久逃生门

贡献者

欢迎参与贡献，从 CONTRIBUTING_ZH.md 开始。

支持者

感谢首位支持者 @andreilaiter，也感谢每一位帮助这个独立开源项目继续成长的人。

图无环，环是人。

MIT © 2026 Xia Chen · Roadmap · 反馈 · 引用