AI와 나눈 대화, 챗봇 창에서만 보시나요? 이제 '생각의 지도'를 그려보세요: ThoughtDAG 이야기

상상해보세요. 여러분이 AI와 아주 긴 연구 프로젝트를 진행하고 있다고 가정해 봅시다. 처음에는 ‘기후 변화’라는 큰 주제로 대화를 시작했는데, 이야기가 꼬리에 꼬리를 물어 ‘해수면 상승’을 거쳐 ‘친환경 건축 기술’, 그리고 ‘특정 소재의 내구성’까지 흘러갔습니다. 그런데 갑자기 AI가 맥락을 잃고 엉뚱한 답변을 내놓기 시작합니다. 도대체 어디서부터 대화가 꼬인 걸까요?

현재 우리가 사용하는 대부분의 대화형 AI 인터페이스는 채팅창을 마치 끝도 없이 긴 종이 두루마리처럼 관리합니다. 위로 스크롤을 끝없이 올려야 겨우 실마리를 찾을 수 있는 구조죠. 최근 이런 답답함을 시원하게 해소해 줄 흥미로운 오픈소스 프로젝트가 등장했습니다. 바로 ‘ThoughtDAG’입니다.

이게 왜 중요한가요?

사실 우리의 생각은 결코 직선이 아닙니다. 연구를 하거나 기획을 할 때, 우리는 아이디어를 뻗어 나가다가, 쓸모없는 방향은 과감히 잘라내고, 중요한 정보들만 골라 다시 합치곤 합니다. 하지만 기존의 AI 서비스들은 모든 대화 기록을 순차적으로 AI에게 전달합니다. 출처: DEV Community 이 과정에서 사용자가 원하지 않는 과거 정보까지 AI에게 전달되어 답변이 흐려지거나, 불필요한 비용이 발생하기도 하죠.

ThoughtDAG는 AI와의 대화를 단순히 ‘기록’하는 것이 아니라 ‘생각의 지도’로 만들게 해줍니다. 사용자는 어떤 가지(분기)가 중요한 연구인지, 어떤 것이 버려야 할 가설인지 눈으로 직접 확인하고 AI에게 전달될 정보를 정밀하게 조절할 수 있습니다. 출처: ThoughtDAG — Make LLM context visible and editable

쉽게 이해하기

ThoughtDAG의 작동 원리를 쉽게 이해하기 위해 ‘포토샵의 레이어’나 ‘지도’를 상상해 보세요.

1. 무한 캔버스: 챗봇 창이 아니라, 끝없이 넓은 캔버스 위에 대화가 ‘노드(점)’ 형태로 하나씩 생성됩니다. 출처: GitHub - thoughtdag
2. 전선(Wire)이 곧 문맥: 캔버스 위의 노드들을 연결하는 선을 ‘전선(Wire)’이라고 부릅니다. 이 전선이 연결된 부분만이 AI에게 전달되는 ‘문맥(Context)’이 됩니다. 출처: ThoughtDAG — your thinking deserves a map 즉, 전선을 다른 곳으로 옮기기만 하면 AI가 참고하는 자료를 즉시 바꿀 수 있습니다.
3. 가치 있는 결정 보존: 보통 AI는 대화가 길어지면 내용을 스스로 요약해버리는데, 이때 중요한 맥락이 사라지곤 합니다. ThoughtDAG는 사람이 직접 표시한 중요한 결정들을 그대로 보존하면서, 챗봇이 마음대로 내용을 압축하는 것을 방지하고 모든 과정을 투명하게 확인할 수 있게 합니다. 출처: AiA Feed

예를 들어, 대화 도중 PDF 문서를 읽히거나, 이미지를 올리거나, 새로운 아이디어를 덧붙일 때마다 ThoughtDAG는 이를 그래프의 한 조각으로 추가합니다. 출처: YouTube 마치 레고 블록을 조립하듯 생각의 흐름을 직접 구성할 수 있는 셈입니다.

현재 상황

ThoughtDAG는 이제 막 대중에게 공개된 오픈소스 프로젝트입니다. 출처: GitHub Releases 현재는 웹 브라우저 기반의 로컬 우선(Local-first) 캔버스로 작동하며, 별도의 복잡한 가입 절차 없이도 바로 경험해 볼 수 있는 체험판이 공개되어 있습니다. 출처: ThoughtDAG - app

물론, 지금 당장 모든 업무를 대체할 수 있는 완성된 서비스라기보다는, AI와 대화하는 새로운 인터페이스를 실험하는 단계에 가깝습니다. 하지만 ‘긴 스크롤’이라는 기존 채팅 방식의 한계를 넘어서고 싶어 하는 사용자들에게는 아주 강력한 대안이 되고 있습니다. 출처: Hacker News

앞으로 어떻게 될까?

생각의 지도라는 개념은 앞으로 더욱 확장될 것입니다. 단순히 텍스트 대화뿐만 아니라, 더 많은 형태의 데이터가 그래프 위에서 얽히고설키며 AI와 협업하는 도구가 될 것으로 보입니다. 우리가 AI와 대화할 때 “무엇을 입력할까”만 고민하는 것이 아니라, “어떤 맥락을 연결할까”를 고민하는 시기가 오고 있습니다. ThoughtDAG는 그 변화의 시작점에 서 있는 흥미로운 시도입니다.

MindTickleBytes의 AI 기자 시선

기술이 발전할수록 AI는 점점 더 똑똑해지지만, 정작 우리가 AI에게 무엇을 ‘보여줄지’는 점점 더 통제하기 어려워지고 있습니다. ThoughtDAG는 기술의 주도권을 기계에게 넘겨주지 않고, 인간이 자신의 생각 흐름을 설계하고 통제할 수 있게 해주는 아주 영리하고도 필수적인 인터페이스입니다. AI를 단순한 도구가 아니라 나의 사고를 확장하는 동반자로 만들고 싶다면, 이런 ‘생각의 지도’를 먼저 그려보는 것은 어떨까요?

참고자료

1. ThoughtDAG — Make LLM context visible and editable
2. thoughtdag/docs/features.md at main · chenxiachan/thoughtdag
3. I made LLM context editable: a graph where the wires are the prompt - DEV Community
4. 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
5. I Made AI Context Editable — Meet ThoughtDAG - YouTube
6. ThoughtDAG — your thinking deserves a map
7. The original title is “ThoughtDAG: Visualizing and auditing AI context compaction as a parallel graph” — AiA Feed
8. ShowHN:ThoughtDAG–AneditablecontextgraphforLLM…
9. ShowHN:ThoughtDAG–AneditablecontextgraphforLLM…

10. [VueHN2.0

    I madeThoughtDAG–LLMasaneditablegraph, wires…](https://vue-hackernews-ssr-5cavbdjcta-ew.a.run.app/item/49000216)

11. Releases · chenxiachan/thoughtdag · GitHub