「ThoughtDAG」はLLMとの対話をグラフ構造で直感的に編集でき、AIとの対話における「コンテキスト」の扱い方を根本から変える革新的なツールです。

ThoughtDAG - Make LLM context visible and editable

https://chenxiachan.github.io/thoughtdag/



GitHub - chenxiachan/thoughtdag: Your thinking deserves a map: an infinite canvas where LLM conversations grow into an editable thought graph. Wires are the context. · GitHub

https://github.com/chenxiachan/thoughtdag

従来のチャットインターフェースでは対話の履歴が非可視的であり、したがって次に送られるプロンプトにどの情報が影響するのかが不明確でした。一方、ThoughtDAGは「グラフ」をコンテキストそのものとして扱うことにより可視化・編集可能にします。



ThoughtDAGの主な特徴は以下の通りです。

・コンテキストの可視化と編集

会話の履歴や参照したドキュメントがノードとしてグラフ上に表示され、どの情報がAIへの入力として使われるかが一目でわかります。ユーザーは不要な情報を「剪定」したり複数の情報を「マージ」したりしてコンテキストを自由に編集できます。

・再現性の向上

コンテキストが明確になることで同じプロンプトから異なるコンテキストに基づいた回答が生成されることを防ぐため、結果の再現性が高まります。

・デバッグとエラー修正

誤った情報や無関係な情報がコンテキストに混入した場合、混入した情報を特定しグラフから削除することで、AIの回答を正確に修正できます。

・ワイヤー

ThoughtDAGでは情報間の関連性を「ワイヤー」として表示し、ワイヤーはコンテキストそのものとして扱われます。モデルが「何を見ているのか」「なぜそう見ているのか」「何を削除したのか」が常にグラフ上で視覚化されており、編集・確認も可能です。

上記の特徴を有効活用することにより、複数の研究パスを比較したり参照資料の特定のページをコンテキストとして取り込んだりするなど、複雑な情報処理や研究活動においてAIとの対話をより効率的かつ正確に行うことが期待できます。



記事作成時点ではWindows・macOS・Linux向けのインストーラーが提供されています。



また様々なAIモデルに対応しており、例えば「Model Interfaces」にOllamaでインストールしたgemma4:26bを選択すれば無料でローカルAIを利用することも可能です。「コンテキスト」を構造化しユーザーがコントロール可能な「マップ」として扱う体験ができるので、とりあえず試してみるのはアリです。

thoughtdag/docs/setup.md at main · chenxiachan/thoughtdag

https://github.com/chenxiachan/thoughtdag/blob/main/docs/setup.md#supported-models