ThoughtDAG: 可视化编辑 LLM 对话上下文图
Show HN: ThoughtDAG – An editable context graph for LLM conversations
ThoughtDAG 颠覆了传统线性聊天的局限，让 LLM 的上下文变得完全可见且可编辑。通过直观的图结构，你可以清晰看到哪些历史消息、文档片段或研究路径真正进入了模型的请求中。它支持从源文档直接剪贴内容生成节点，并在发送前预览模型将读取的完整上下文。只需删除一条边，就能精准剔除无关干扰，让 AI 的回答瞬间回归专注。这不仅是聊天工具，更是掌控 AI 思维过程的上下文协议。
连线即上下文。没有隐藏的记忆选择器，模型看到什么、为何看到、删除了什么，都在图中一目了然。
HN 评论区
59- embedding-shape
这看起来是个非常有趣的想法，而且基本上就是我目前手动在做的事情：用一个 DESIGN.md 文档，遵循“每行一个概念/决策，构建成树状结构”的原则，把所有需要记住的决策都记下来，以便日后查阅。
我不太喜欢 ThoughtDAG 是一个完全独立的应用，而不是集成到我每天使用的工具中，比如我的文本编辑器或其他规划工具。不过，看到你们似乎集成了不少 LLM 提供商，甚至允许我们使用本地模型，这点相当不错 :)
关于安全方面的一些“吹毛求疵”：我相当确定你们在 `execSync(`pdftoppm -png -r ${dpi} ...`)` 这个调用中存在一个严重的安全漏洞。如果你们启动的本地 Web 服务器监听的是 127.0.0.1 或其他本地 IP，这本来不会是个问题，但看起来服务器绑定的是 0.0.0.0，意味着所有网络接口。结合起来看，任何运行此应用的人实际上都给了其他人一个免费访问你电脑 shell 的机会 :)
关于 AppImage 本身的一些小瑕疵：似乎缺少发布者信息/签名（不是大问题，只是建议你们关注一下），而且它还使用了 `--no-sandbox` 参数。我觉得没必要这样，不如让它运行在沙箱中，这样上面的远程漏洞问题可能也会减轻一些 :)
鉴于上述问题，我暂时先不深入玩它了，但我很好奇看看它是否能提供比我用 AS [...] 管理得更好的东西。
- floriangoebel
干得漂亮！最近我原型设计了一个用于结构化代理研究工作的框架，得出的结果非常相似。
我发现它在平衡研究广度与研究深度（当探索新主题时）方面特别有用。
图结构让我更容易识别研究过程中潜在的盲点，让我更有信心没有遗漏任何有前景的替代方案，同时也避免在子问题的死胡同里钻得太深。
在构建原型时，我脑海中浮现的是一种变形菌（physarum slime mold）[0] 的图像：它首先向所有方向分支延伸，然后强化潜在的路径，同时让其他分支因缺乏养分而枯萎。
最终幸存下来的那条路径就是结果。
- _boffin_
不错。这似乎收敛到了我构建的一个名为 https://Tangents.chat 的东西，特别是其中的“Context complier”（上下文编译器），可以在这里看到（https://tangents.chat/demo）（进入演示后点击右上角的 Context）。
期待更多关注 ThoughtDAG。
- kody_06
这个概念很有趣，我也能看到它的价值。但是，我下载下来试了一下，界面很卡顿（janky）。概念虽然有趣，但 UI/UX 做得很差且令人困惑。例如，我无法平移画布。而且右侧的对话并没有显示所有被包含在上下文窗口中的历史消息。
- DenisM
有时候，当我觉得代理过度执着于某事时，我会问它为什么给出某个答案。如果 UI 能以某种方式高亮显示对话中的“有毒”部分，那就太酷了。