为了不让 AI 变笨，我决定把聊天记录变成满天繁星

推荐语

AI对话管理新思路：用"星图"可视化复杂讨论，告别信息混乱与重复劳动。

核心内容：
1. 当前AI长对话的三大痛点：信息回溯难、内容污染、修改连锁反应
2. "对话星图"解决方案：可视化节点关联、智能识别核心讨论点
3. 交互演示：框选星团、Gem技能切换等创新功能设计

杨芳贤

53AI创始人/腾讯云(TVP)最具价值专家

本来要睡觉了，有个想法突然钻进我的脑袋，憋不住了，扶我起来。

我在用大模型的过程中经常遇到对话太长、内容到处漂移的场景。

比如我要设计一个功能，最终希望产出的是功能prd。但是在讨论过程中，对话内容可能会经过这些话题：

A.技术可行性分析

B.合规性分析

C.用户流程讨论

D.修改html交互demo

E.产出prd

其中每个话题可能都会有多轮对话，导致整个对话流非常非常长，我经常遇到以下这些问题：

1.当我在讨论D的时候，突然想起来B好像还有没聊透的，疯狂翻聊天记录或者搜索列表

2.当我在聊B的时候，可能讨论了B1/B2/B3多个方案，其中只有B1是靠谱的。结果B2/B3的内容会污染下面的对话。

3.当我在讨论D的时候，突然觉得B不对，回过头去修改B，然后又得从头修改D。

现在的解决手段，很多时候是每聊完一个话题的时候“及时存档”，让大模型总结一篇巨详细的阶段性总结（相当于是给下个阶段的需求文档了），然后新开个对话，导入这个文档，接着聊下个话题。但是只要是总结就一定会有信息丢失，只要新开了对话，就免不了一通重复的解释。

除此之外，我还遇到一个问题是，为了方便干活我封装了一批Gem，比如专门写prd的、专门做ppt的、专门分析需求的。但是Gemini对话窗口一旦选定了Gem，就是“终身聘用制”，中途无法更换Gem（员工的积极性怎么保障啊魂淡）。所以涉及到工种切换的时候，就不得不存档、新开对话了。这种情况遇到前面的讨论内容发生修改就更抓狂了，要在几个对话中间疯狂同步内容。

我有个“对话星图”的想法。如果每轮对话是一颗星星，那么整个冗长的对话流大概率不是线性的，而是放射状的——核心命题会发散出来少数几个方向，每个方向又会进一步发散，有点像个星图，也有点像流放之路的天赋树。

（流放之路的天赋树全览）

那么我能不能像点天赋一样：

生成星图：根据对话顺序和对话内容，自动识别节点之间的前后关联关系，画出来一张蜘蛛网。

识别核心节点：根据对话内容和星图结构，自动找到比较核心的那些节点（比如子节点最多的那几个？）。

框选或吸附：能够用鼠标快速框选一批节点，或者自动根据关键词“吸”出来相关的节点星团，把他们作为最高优的上下文。

技能转职：能够让指定的gem处理选中的节点星团

下面是我用html做了个demo，差不多是这个样子，但感觉真实的对话要更复杂一点。

可以看到这个星图中，能显示关键节点、关键节点有关键词帮助我们识别相关星团讨论了什么内容。

点击每个节点，能够大体预览一下对话内容，应该也能快速定位到对话流的对应位置。

框选一批节点，其他节点变暗。这个交互是我用鼠标选的，按理说这里能有一些自动化的策略。

后续的处理交互我没做，比如我可以指定一个gem处理框选后的节点、我可以批量删除一些节点、我可以把选中节点团里面的内容修改之后再对接到之前下游的节点……

下面几个产品可能跟我的想法有些类似：

Heptabase是个笔记产品，他能展示笔记页与页之间的关系。但我理解跟对话星图的场景差异还是很大的，Heptabase是在长期学习过程中积累笔记的单页，通过分析页与页的关系达到学习的目的。对话星图是针对一次对话、一次任务，星图的作用不是为了归纳知识，而是为了筛选上下文。

TheBrain 15是个脑图产品，有AI生成结构图的能力，一打眼看上去是交互上最像的产品。但是目的仍然截然不同，TheBrain 15认为结构本身是有价值的，这个工具是为了生成图谱。我正好反过来，我的星图（图谱）只是为了帮助我完成任务的工具。

Cursor反而是最像的。Cursor选择一段代码然后修改的交互，本质上跟我想干的事差不多。只是我想选中的不是代码，而是一些对话。

我想了下星图的交互也不关键，关键是能让我做到这几点：

• 直观、便捷地管理过去的对话

• 能够选取部分对话，使用指定的技能

这玩意会是自嗨吗？反正在我自己的场景肯定是需要的。但我对大模型底层知识没那么懂，问了下Gemini，它提到了一些局限性：

• 只适用于专业用户。对的，普通用户不需要这个。当然能满足普通用户的交互，一般来说也满足不了我这种重度的、“人机共驾”的研究场景。

• 自动识别节点关系的算法难度。这个我不懂，有懂的朋友讲讲么。

• LLM厂商的架构进化。确实，如果基座模型对上下文的管理能力更智能一些，就不需要我手动管理了。

它也提到了一些类似的尝试：

• LangGraph (LangChain 旗下的库)： 这是给程序员用的。它允许开发者把 AI 的工作流画成图，每个节点可以接不同的模型。你的想法其实是把 LangGraph 的能力给“UI 化/平民化”了。

• Cosmos (由开发者在 GitHub 尝试的实验项目)： 尝试将聊天界面做成无限画布，每个回复是一个气泡，可以随意连线。

• Tana： 一个节点化笔记工具，它最近在尝试让 AI 自动在节点流中提取结构化数据。

当然，我在写这篇文章的时候，旁边就开着Gemini，顺手让它分析了下这次讨论是否适合用对话星图提效：

Emmm，好像还不错哦。这篇文章其实分成了3个对话流，一个是它分析的这个Gemini直接对话；二是我用canvas尝试实现自己的想法，后来发现canvas还是不太行；三是用notebookLM，然后也不太行。而我实际使用情况中，对话的轮次是远远超过这个的，感觉还是有点用，不是么？哪怕就是帮我切换Gem呢？

认真想想，“对话星图”实际上就是让 AI 像代码版本控制（Git）一样管理思考过程：

- 每一个节点是一个 Commit。

- 每一个星团是一个 Branch。

- 框选并交给 Gem 处理是 Merge & Build。

自嗨完毕，准备睡觉！如果你有共鸣或者要拍砖，欢迎留言。