开源ThoughtDAG工作流：画布上剪一根线就能改AI答案
内容提要
ThoughtDAG是一款开源、本地优先的可视化工作空间，将AI对话转化为可编辑的有向无环图。用户通过连线控制上下文，剪断线即可改变AI答案，实现精确编辑模型记忆。它支持多模型集成、PDF阅读、检索工具，并强调“人在回路”控制。实验显示，剪断错误源头可修复上下文污染，但需剔除整个污染子树才能彻底解决。
延伸解读
连线即上下文：图编辑如何改变AI的输入
ThoughtDAG的核心机制是“连线即上下文”：AI每次回答前，程序会遍历目标节点的所有入边，按拓扑顺序构建消息序列。因此，用户编辑图结构——添加或删除连线——直接改变模型接收的上下文，而无需修改任何文字。这种设计让上下文变得可见、可编辑，用户能精确控制AI“看到”什么，从而减少因隐藏上下文导致的幻觉和污染。
剪断错误源头不等于彻底修复
实验表明，仅剪断错误源头与下游的连线，并不能完全修复上下文污染。因为错误信息可能已固化在下游节点的文本中，即使源头被隔离，AI仍可能从下游节点读到错误内容。要彻底修复，需剔除整个被污染的子树。此外，重新生成下游节点虽能达到98.6%的修复率，但受模型随机性影响，无法保证100%一致。
归档而非删除：保留探索路径的思考价值
ThoughtDAG没有“删除”按钮，只有“归档”和“恢复”。归档的节点变灰但仍留在画布上，不参与上下文构建，但用户仍可见。这种设计旨在保留用户的探索路径和错误假设，作为思考过程的警示或备选方案。它反映了“记得但不使用”的认知方式，让用户能回顾自己的推理历程，而AI则不受干扰。
Q&A
ThoughtDAG是什么？它的核心理念是什么？
ThoughtDAG是一个开源的、本地优先的可视化工作空间，将AI对话转化为可编辑的有向无环图（DAG）。其核心理念是“连线即上下文”，通过图形化界面让用户精确控制发送给模型的上下文信息。
ThoughtDAG如何实现“剪断一根线就能改变AI答案”？
ThoughtDAG将对话节点用连线连接，每条线代表上下文传递。剪断连线后，AI在构建上下文时不再包含该分支的内容，因此答案会改变。用户通过编辑连线来控制AI的输入，实现精确修改。
ThoughtDAG支持哪些模型？如何安装？
ThoughtDAG支持OpenAI、Anthropic、Google、Qwen、DeepSeek、Kimi、智谱、OpenRouter、Ollama等模型。安装方式包括下载桌面应用、Homebrew（macOS）、Windows安装包、Linux AppImage，或从源码运行。
ThoughtDAG的“归档”功能有什么作用？
归档功能可以将节点变暗并排除在上下文遍历之外，但节点仍保留在画布上，可随时恢复。这允许用户保留探索路径但不让AI读取，体现了“记得但不使用”的设计理念。
ThoughtDAG与KnowTree、Stepback等工具的主要区别是什么？
ThoughtDAG的图不仅是导航界面，而是编译器的输入文件，可以精细控制每个节点和连线的上下文，而其他工具通常只能切换整个分支。ThoughtDAG允许用户只引用部分内容，实现更精确的上下文管理。
ThoughtDAG的实验结果如何？剪断错误源头能否完全修复上下文污染？
实验显示，剪断错误源头到下游的连线后，仍有三个模型输出错误答案，因为错误已扩散到下游节点。只有剔除整个被污染的子树才能100%修复，而重新生成下游节点可达到98.6%的修复率。
ThoughtDAG如何实现上下文预览和节点角色系统？
ThoughtDAG提供上下文预览功能，在提问前可查看即将发送的上下文，包括Token数、消息数和文件数。节点角色系统允许为每个节点设置系统提示词，支持继承、为下一步设置或在此重置。
ThoughtDAG的PDF阅读器有哪些功能？
ThoughtDAG内置PDF阅读器，支持选择文本并直接作为上下文分支提问，可在PDF旁进行问答，答案流显示在文档旁边，并提供引导式摘要功能，一键将材料转化为结构化摘要并带有返回原文的跳转按钮。
