Xia ChenがThoughtDAG v0.3.13をリリースして、LLMのコンテキストを公開

Why it matters

ThoughtDAG turns context selection into a user-controlled interface, challenging AI products that rely on hidden summaries, retrieval rules and automated memory.

Xia Chen (@chenxiachan) は2026年8月14日に ThoughtDAG v0.3.13 をリリースし、ユーザーが検査・編集できるコンテキストグラフで線型のAIチャット履歴を置き換えようとするオープンソースの試みを前進させた。

このリリース自体は狭いインターフェースの問題を修正するものだ。回答の編集は鉛筆ボタンから開始されるようになり、ダブルクリックはテキスト選択のまま残される。より大きな賭けである ThoughtDAG の狙いは重要だ：チャットアプリケーションが裏でコンテキストを管理することを信頼するのではなく、ユーザーが言語モデルに送信される情報を直接見て制御できるべきだ、という考えだ。

ChenはTechnical University of MunichのMunich Data Science InstituteおよびGeorg Nemetschek Instituteのポストドクトラルフェローだ。Chenの研究 は人間とAIのアラインメントに焦点を当てており、システムがどのように人間の主体性を保持し、ドメイン知識を機械学習に組み込めるかを含む研究を行っている。ChenはTechnical University BerlinとLeibniz University Hannoverを通じてsumma cum laudeの評価で博士号を取得しており、因果推論、説明可能なAI、知識統合型機械学習にわたる研究と教育の業績がある。

その背景はThoughtDAGに明確な知的系譜を与えている。Chenは何年もかけて、人々がAI支援の意思決定に対するコントロールを保持する方法を研究してきた。ThoughtDAGはその懸念を、ワイヤを変えるとモデルへの要求が変わるようなインターフェースに変換している。

The graph determines the prompt

ThoughtDAGはメッセージ、ソースの抜粋、モデルの回答を有向非巡回グラフのノードとして表現する。ユーザーが回答を生成すると、ThoughtDAGは入力エッジをたどり、関連する先祖ノードを順序付けて選択したモデルに送るシーケンスを構築する。

したがってワイヤは操作上の目的を果たす。ユーザーは以前のアイデアから分岐し、迂回路を保持しつつ次のリクエストからは除外したり、複数の証拠経路を統合して新しい回答を作成したりできる。検査パネルは、何も送信される前にノード、順序、推定トークン数をプレビューする。

ThoughtDAGの製品ページは、無関係な夕食の会話に汚染された研究の会話でその違いを示している。接続されたグラフは最初に1,284トークンを送信する。あるエッジを取り除くと47トークンが削減され、同じ書かれたプロンプトから夕食の内容を含まない新しい回答が生成される。

この例は意図的に単純だが、長時間にわたるAIセッションで繰り返し起きる問題を指摘している。文字起こしは可視のままであっても、実際のモデル入力を再構築することは難しくなる。要約、検索レイヤー、アプリケーション定義のメモリポリシーはいずれも次の応答に影響を与える可能性がある。ThoughtDAGは代わりに、アクティブなコンテキストをユーザーが編集できるオブジェクトにする。

プロジェクトはそのルールをhomepage上でより簡潔に表現している: 「ワイヤがコンテキストである。」2026年8月15日時点で、リポジトリは100スターと16フォークを獲得していた。これは継続的な利用の証明というより、初期の開発者の関心の兆候だ。

Chen's alignment work becomes interface design

ThoughtDAGはChenの人間による制御という学術的フォーカスを日常的なAI利用の仕組みにまで拡張する。Chenの博士研究は、人間中心の拡張知能のための事前知識と機械学習のアラインメントを検討していた。2024年にはUC BerkeleyのCenter for the Built Environmentで、工学研究における因果推論と説明可能なAIに取り組んだ。

Chenは学術外でも創業者としての経験を持つ。Chenの略歴 によれば、Chenは上海拠点のJoinergy（別名 Jiaonengwang）を共同設立し、エネルギーのデジタル化、電力市場、持続可能性に取り組んだ。Joinergyは2019年に大学や政府系の起業支援プログラムから支援を受けた。

ThoughtDAGは生成AIにおけるトレーサビリティへの同様の関心を持ち込んでいる。ユーザーはPDFの抜粋を選択し、テキストや図をソースリンク付きノードに変え、そのページの出所を保持できる。回答はその後、差別化されていないドキュメントのアップロードや長い過去の質問スレッドに頼るのではなく、特定の証拠にワイヤで結び付けることができる。

A manual answer to automated memory

AIメモリ市場は、アプリケーションが保持し取得すべきものを自動的に決定するシステムへと向かっている。Mem0's Graph Memory は例えば、エンティティ、関係、埋め込みをグラフメモリレイヤに抽出する。Zep はエージェントメモリや変化する事実のための時間的コンテキストグラフを提供する。

ThoughtDAGはユーザーに異なる役割を与える。Chenはグラフを可視化したままにし、キャンバスを操作する人がどのブランチがリクエストに供給されるかを決めることを要求する。プロジェクトはどのブランチがリクエストに入るか、あるいは出るかをユーザーの管理下に置く。自動化の一部を犠牲にする代わりに、プロンプトに何が入り、なぜ入ったのかの記録を得る選択だ。

ビジュアルなAIワークスペースはすでに競争の激しい製品カテゴリになっている。Spine Canvas も開かれたキャンバス上でAI作業を提示する。ThoughtDAGのより鮮明な差異は、そのエッジがモデルコンテキストを直接制御する点にある。キャンバスは通常のチャット履歴の上に置かれる視覚レイヤーではなく、リクエスト構築の仕組みの一部だ。

手動による制御は手動の負担にもなりうる。いくつかの枝を持つ研究プロジェクトを明確にするグラフは、ユーザーが単に素早い答えを求めている場合には煩雑になり得る。ThoughtDAGの見通しは、Chenがコンテキスト編集を、不可視のメモリ選択が引き起こす誤りを確認して修正するよりも簡単に感じさせられるかどうかにかかっている。

A local-first route to distribution

ThoughtDAGはウェブアプリケーションとして、そしてLinux x64、Apple Silicon、Intel Macs 向けのデスクトップビルド、さらにWindows x64 向けビルドとして利用できる。デスクトップ版はローカルエンジンをバンドルしており、リポジトリを直接実行するために必要なNodeやターミナルのセットアップを省く。プロジェクトは両バージョンともキャンバスはユーザーのデバイス上に留まると述べている。

MITライセンスのリポジトリ はホストされたモデルプロバイダ、ローカルのOllamaエンドポイント、OpenAI互換のAPIをサポートする。ドキュメントによればPDFはユーザーのマシンに残り、質問がモデルを必要とする場合に抽出テキストが送信されるという。ホストされたデモは、プロジェクトによればブラウザから直接モデル通信を送信する。

それでもインストールの摩擦は残る。macOSビルドは署名・公証済みだが、Windowsのインストーラは署名されておらず、ユーザーはSmartScreenの警告を回避する必要がある。これは開発者やアーリーアダプターには対処可能だが、インストーラが一般的なデスクトップソフトウェアに期待される信頼のシグナルを獲得するまでは広範な配布を制限するだろう。

ThoughtDAGのデモは仕組みを示すものであり、回答品質や再現性の独立した評価を示すものではない。より厳しい製品テストは、より長いプロジェクト、複数のドキュメント、そして慣れ親しんだチャットインターフェースを離れることを正当化するほど複雑なグラフを含む場合に関わってくるだろう。

それでもChenは、モデルを呼び出す瞬間にコンテキスト管理が検査可能であるべきだというますます重要になっている考えの具体的なバージョンを作り上げた。ThoughtDAG v0.3.13は、モデルコンテキストを可視化・編集可能にするというChenの広範な取り組みの中で、小さなユーザビリティ修正を行っている。