DeepSeek Harness 無限キャンバス:ThoughtDAG でコンテキストを分岐させる

非線形セッションワークフローの実演——デモはプラグイン作者自身。質問はキャンバス上のノードになり、線がコンテキストを運び、PDF は枝を伸ばし、古い Claude Code セッションは読み取り専用で取り込まれます。

最終更新: 2026-09-29

DeepSeek Harness 上の ThoughtDAG 無限キャンバス。PDF カード、自動ラベル付きの Context noise と无关信息干扰ノード、マージされた要約ノード、破線と実線のコンテキスト線が並ぶ
作業中のキャンバス:論文とその分岐と蒸留された要約ノードが 1 枚の板に。

チャットウィンドウは一本の縦列です。話題が次の話題に埋もれ、一週間の仕事が検索不能になる。ThoughtDAG——開発者 Chatchan が作ったコミュニティプラグイン——は逆を行きます。DeepSeek Harness の中に無限キャンバスを置き、すべての質問をダブルクリック・分岐・ラベル付け・配線できるノードに変える。ウェルカム画面には唯一のルールが印字されています:连线即上下文——線こそがコンテキスト。本ガイドは作者自身の 8 分間の Bilibili 録画を 1 コマずつ追いかけます。プラグインはまだ初期段階なので、表記はスナップショットとして見てください。

以下のスクリーンショットはすべて同じ録画の 1 フレームで、ウェブカム気泡・章タイトル・字幕帯を窓の内容を失わずに取り除く固定クロップレシピで切り出し、それぞれが元の秒数へ深リンクしています。プラグインなしでできる分岐は、セッションリプレイガイドの dsh 純正ブランチ機能を参照してください。 セッションリプレイと純正ブランチ

要点

  • ▸コマンド 2 行で導入し、思维图ブロックにカーソルを合わせれば、入力欄は最初から dsh に設定済みのモデルと Agent を読み込んでいます。二度設定する必要はありません。
  • ▸質問はノードに、追問は新しいノードになります。破線は上流の要約だけを、実線は全文コンテキストを流し、エッジのトーストが正確なトークン数を告げます。
  • ▸PDF をキャンバスに落とせばノードになります:生成导读がリーディングガイドノードを書き、摘取图像が図をビジョンモデルに読ませる。論文は添付ファイルではなく枝になります。
  • ▸Agent 對話地圖はローカルの Claude Code・Codex・dsh セッションを読み取り専用で取り込み、マージ凝練は複数ノードを 1 つに収め、完成したグラフはポスター PNG で書き出すか JSON バックアップで持ち運べます。

手順

導入して、最初の質問を投げる

  1. 1

    プラグインを入れて、モデルセレクターを確認する

    リポジトリ README の 2 コマンドで ThoughtDAG は dsh の Web UI の背後に付きます(Node 22.19+ または 24、DeepSeek Harness 0.1.2-rc.1 以上)。dsh web を起動すると、ウェルカム画面に売り文句が出ます——思考は地図に値する、唯一のルールは線こそがコンテキスト。モデルのドロップダウンを開けても設定することは何もありません。dsh の設定内容がそのまま並び、録画では DeepSeek-V4-Flash が選ばれ、DeepSeek-V4-Pro、視覚印付きの DeepSeek-V4-Flash-Vision、さらに web 検索と画像認識の能力行が続きます。

    $dsh plugin --profile web add dsh-thoughtdag
    $dsh web
    ThoughtDAG ウェルカム画面の入力欄でモデルのドロップダウンが開き、ローカル dsh 設定の DeepSeek-V4-Flash、DeepSeek-V4-Pro、DeepSeek-V4-Flash-Vision と DeepSeek Harness Agent が並ぶ
    ここで設定することは何もない——セレクターは dsh が既に持っているものを映すだけ。0:44 の場面を見る
  2. 2

    最初の質問を送る——それがノードとして着地する

    「你想探索什么(何を探索しますか)」の入力欄に打ち込み、发送(送信)を押す。録画の質問は「模型上下文会污染吗(モデルのコンテキストは汚染されるか)」で、これがキャンバス上の最初のノードになります。入力欄下の 3 枚のカードが文法を全部予告しています:概念分支は横に新しい問いを伸ばし、连线即上下文は答えを下流へ流し、自由画布は空間的に広げる。打たなくても、ドキュメントをドラッグしても、ローカルのエージェント会話を開いても構いません。

    ThoughtDAG の入力欄に「模型上下文会污染吗」と打ちかけた途中の文字と发送ボタン、下に概念分支・连线即上下文・自由画布の 3 枚の説明カード
    最初の質問が最初のノードになる。もう 1 画面のスクロールにはならない。1:14 の場面を見る
  3. 3

    ノードをダブルクリックして、思考を見る

    新しいノードをダブルクリックすると、答えがドキュメントとして隣に開き、節ごとにストリーミングされます——録画の結論は:セッションのコンテキストは汚染され得る、モデルの重みは恒久的には汚されない、長いコンテキストの本当のリスクは注意の希釈。パネルの足元に继续追问(追問)欄が残り、追問のたびに新しい段落ではなく新しいノードになる——これがチャットの縦列とのすべての違いです。

    「模型上下文会污染吗」と書かれた ThoughtDAG ノードカード。隣で答えのドキュメントが汚染のタイプをストリーミングし、足元に继续追问入力欄
    ノードをダブルクリックすると、答えはチャット風船ではなくドキュメントとして開く。1:21 の場面を見る

配線・ファイル・コンテキスト注入

  1. 4

    語句を選択して、下流に覚えさせる

    答えの中のテキストは選択でき——録画では「上下文迷失(lost in the middle)」がハイライトされます——選択範囲に小さなツールバーが浮かびます。この瞬間からその語句は以降のノードのコンテキストに強化注入されるので、左側で検索 Agent を走らせる文献分岐は、論文全体ではなくちょうどこの失敗モードを回り続けます。下の汚染タイプ表は、分岐が行き着く構造化された答えの見本です。

    ThoughtDAG の答えの中で「上下文迷失」という語を選択し、選択範囲に強化の小ツールバーが浮かび、下に汚染タイプの対照表
    選択された語は下流の全ノードのコンテキストへ強化注入される。1:56 の場面を見る
  2. 5

    PDF をキャンバスに落とす——それがノードに育つ

    PDF をキャンバスの任意の位置にドラッグすると、ファイルカードとして着地します。リーダーのツールバーには摘要・提取文本・导读・摘取图像が並び、生成导读は自動で「导读」ラベルの付いたノードを書き、抽出された図カード——論文の CoT プロンプト構造——はワンタップでビジョンモデルが読みます。ガイドノードはさらに无关信息干扰と少样本提示の分岐へ配線され、論文はファイルではなくグラフの一部になります。

    PDF が着地した後の ThoughtDAG キャンバス:ファイルカード、抽出された CoT プロンプトの図カード、Context noise と自動ラベルされた导读ノードが无关信息干扰と少样本提示の分岐へ配線される
    ドラッグした 1 つの PDF が、ガイドノード 1 つと図 1 枚と分岐 2 本に育つ。3:16 の場面を見る
  3. 6

    線を引く:破線は要約を、実線は全部を注入する

    唯一のルールが見える形になるのがこの一手です。破線のエッジは上流ノードの要約だけを下流へ渡し、実線は全文コンテキストを渡します。トーストがはっきり告げます——材料已全量接入、約 598 tokens がこの線を流れる——隣の改为摘要引用ボタンで、重いフィードを要約フィードへ格下げできます。ドラッグした線の先で待っている空の入力欄は、同じことを別の言い方で書いています:線を通って流れ込むものこそが、そのノードのコンテキストだ、と。

    ThoughtDAG のエッジに載ったトースト。「材料已全量接入 约598 tokens 随此线流入下游」と改為摘要引用ボタンが読め、下に配線待ちの空入力欄
    トーストが 1 本の線が運ぶトークン数を告げる——破線は要約、実線は全文。3:40 の場面を見る

蒸留し、古いセッションを回収し、持ち歩く

  1. 7

    ノードを 3 つ選んで、1 つにマージする

    関連ノードを範囲選択すると、フローティングツールバーが数を数えます:已选中 3 个节点(1615 tokens)。合并凝练は 1 つのマージノードへ蒸留し、合并并删除は元も消し、赤い全部删除がやり直しの出口。マージの前後で録画は、コンテキストの順序入れ替え、ノード削除からの再生成で別の答えを出す、内容の似たノードの連なりを凝練で収束させる、さらに色付きの分区框で領域を囲んでロックし、まとめてドラッグするところまで見せます。

    ThoughtDAG の範囲選択ツールバー。「已选中 3 个节点 1615 tokens」と合并凝练・合并并删除・探索・赤い全部删除が並び、選択された 3 ノードの上に浮かぶ
    分岐 3 本入り、蒸留ノード 1 つ出し。5:00 の場面を見る
  2. 8

    古い Claude Code・Codex セッションを取り込む

    「Agent 對話地圖」モーダルはこのマシンのエージェント会話を走査し、プロジェクトフォルダごとに一覧を示します。フィルタタブは claude-code・codex・dsh・子线程。見出しは読み取り専用を明言——キャンバス上のどんな変更もセッションファイルには書き戻しません——接入を押せば、セッションが線形ノードチェーンとしてキャンバスに敷かれ、ようやく任意の場所から分岐できます。1 か月の直線的な CLI の仕事が、今日のグラフの原料になります。

    ThoughtDAG の「Agent 對話地圖」モーダル。ローカルの claude-code セッションを一覧し、claude-code・codex・dsh・子线程のフィルタタブ、接入ボタン、読み取り専用の宣言
    古いエージェントセッションはノードとして取り込む——読み取り専用、書き戻しなし。6:44 の場面を見る
  3. 9

    ポスターを書き出し、JSON バックアップを連れていく

    导出思路地图はポスターコンポーザーを開きます——タイトル、ノードと時間のトグル、レイアウト——キャンバスを印刷可能な 1 枚の地図(録画のこれは 8 步思考 · 2 份材料)にレンダリングし、下载 PNG で持ち出せます。グラフ本体はリアルタイムでローカル保存され、フォルダバックアップを有効にするとノードの変更ごとに JSON ファイルへ書き出されるので、キャンバス全体を別のマシンへ移して続けられます。

    ThoughtDAG の「思路地圖」書き出しモーダル。My Canvas ポスターをプレビューし、8 步思考 · 2 份材料の表示、レイアウトスライダー、下载 PNG ボタン
    グラフ全体は印刷できるポスターに書き出せ、JSON バックアップも一緒に運べる。7:29 の場面を見る

よくある質問

dsh の無限キャンバスとセッション分岐について、よく聞かれること。

無限キャンバスは DeepSeek Harness の公式機能ですか?

いいえ。ThoughtDAG は開発者 Chatchan が作ったサードパーティのコミュニティプラグイン(github.com/chenxiachan/thoughtdag)で、思维图ブロックとして dsh の Web UI に組み込まれます。Node 22.19+(または 24)と DeepSeek Harness 0.1.2-rc.1 以上が必要で、まだ初期のソフトウェアです——開発者は変更を続けているので、本ガイドのラベル表記は変わっていく前提で読んでください。

破線と実線は、結局何が違うのですか?

線こそがコンテキストです。破線のエッジは上流ノードの要約だけを下流へ注入し、実線は上流の全文コンテキストを注入します。エッジのトーストは流れた中身を正確に告げ——録画では材料已全量接入、約 598 tokens——改为摘要引用で全文フィードを要約フィードへ変えられます。

dsh 純正のブランチ機能との違いは?

純正ブランチは 1 つのタスクを新しいセッションへ続け、元はそのまま走り続けます——時間軸での分岐です。ThoughtDAG は空間軸での分岐です。多くのセッションとドキュメントが 1 枚のキャンバス上のノードになり、ノード間を明示的に配線・マージ・蒸留する。組み合わせは相性抜群です。リトライは純正で分岐し、両方のセッションをキャンバスに取り込んで比べる、という具合に。

既存の会話を書き換えたりしませんか?

取り込み経路は設計上、読み取り専用です。「Agent 對話地圖」モーダルはキャンバス上の変更がセッションファイルへ書き戻されないと明言し、リポジトリも Claude Code・Codex・DeepSeek Harness・Pi セッションについて同じ約束を繰り返します。元の会話はそのまま。キャンバスは自分専用のローカルデータを持ちます。

キャンバスのデータはどこにありますか?別のマシンへ運べますか?

ローカルです。ノードはリアルタイムでローカル保存され、フォルダバックアップを有効にするとノードの変更ごとに JSON ファイルへ書かれるので、持ち出して別の場所で続けられます。思路地圖の書き出しはグラフ全体をダウンロード可能な PNG ポスターにもレンダリングします。リポジトリの注意点:モデル呼び出しは、キャンバス上の関連コンテンツを dsh に設定済みのプロバイダへ送ります。どんな dsh 会話でも同じことです。

関連ガイド

キャンバスワークフローが dsh の他の部分と繋がる場所。

出典とクレジット

フレームはすべてプラグイン作者自身の Bilibili 録画(中国語 UI、8 分)から取得し、アプリウィンドウでクロップしたため、録画のウェブカム気泡・章タイトル・字幕帯はページに現れません。導入コマンドは公式リポジトリ README からの引用です。より広いキャンバスプラグインの地図——synapse や talk-map を含む——は マインドマップ・キャンバスコレクション

DSH Plugins は DeepSeek Harness プラグインの独立したコミュニティ ディレクトリです。DeepSeek との提携・公認はありません。サードパーティ製プラグインはセキュリティ監査を受けていません。インストール前にソースコードをご確認ください。

DeepSeek Harnessの新着プラグインを毎週お届け。スパムはありません。