分支画布让非线性思维落地

习惯像发短信那样跟 AI 单线拉扯，遇到复杂议题时负担会直线上升。想深挖某个术语，往往得另开标签页，事后还得靠脑子拼凑上下文，思路容易碎。把对话变成画布上的节点，用分支结构重组流程，才是解决碎片化的正解。

节点如何承接上下文

这套方案把每轮交互看作画布上的一个独立节点。对某段回复的细节感兴趣时，不用在输入框重新复述背景，直接点那个细节旁边的「分支」按钮，新线程就能自动继承父级所有上下文。

比如主线先问「World Model 目前的 SOTA 是什么」，拿到综述后，不必继续在主线里堆砌追问。可以从提到「JEPA」的那段拉出分支，专门问「LeCun 团队的具体训练机制」；同时从「DreamerV3」那段再拉一条线，深挖「它在 Atari 上的跑分细节」。

三条线索在画布上平行铺开，鼠标悬停就能扫一眼摘要，不用来回切标签页，整个思维链直接摊在同一张图上。

可视化 Block 取代纯文本

回复不限于纯文字或简单 Markdown 表格，能直接嵌可交互的 React 组件。架构图可以拖拽缩放，训练曲线悬停看数值，注意力热力图甚至能在节点里播动画。

底层调度上，文本推理交给 Gemini 3.5 Flash Lite，图片由 GPT Image 2 生成，并行处理后延迟基本压在 1 秒内。

React Flow 管拓扑

方案底子是 @xyflow/react（也就是原来的 React Flow），节点间的拓扑关系全靠它管。开发者能自定 React 组件，把可视化功能直接塞进消息流，让前端组件库变成模型的「工具箱」。

为了保主线干净，分支只读父级上下文，不往回写。在分支里搞发散性实验，不会污染主线的记忆，核心路径因此更清晰。

系统把「思考过程」当一等资产，支持把整个画布状态导出为 JSON 文件。下次打开能无损恢复所有分支和批注。跟导 Markdown 比，JSON 不光存静态文本，还记着动态拓扑关系。

Demo 阶段的局限与下一步

当前这个 Demo 还没账号系统和协作功能，也跑不了离线。不过「分支对话 + 可视化画布 + 组件化渲染」这组合，比市面上多数简单套壳产品要深一层。

想搭类似界面，得死磕 React Flow 的自定义节点类型（Custom Node Types）和边的交互事件处理，这是非线性对话系统的命门。当你在画布里同时维护多条逻辑线时，如果忘记配置边的方向属性，分支可能会错误地反向继承上下文，导致后续推理偏离主线；此时只需检查 onConnect 回调中的源节点 ID 是否正确映射到父级节点，即可确保拓扑关系的单向纯洁性。