场景一：你把所有问题攒成一大段发出去。
结果
AI 也回你一大段，每个问题都“雨露均沾”地解释了一点，但每个问题都解释得不透。
00 /创作动机
AI 把问题解决了，
但你真的变强了吗？
2025 年，宾大研究团队在近千名高中生中发现：普通 GPT 助手让学生的练习表现更好，但撤掉 AI 后，他们独立考试的成绩反而比对照组低了 17%。
查看研究我很担心的事情是：人们直接把问题丢给 AI，让 AI 去解决。随着 AI 的能力越来越强，AI 的确能把事情做好。
但这种偷懒，也可能让我们自身的能力停滞不前：我们把智力外包出去了！
面对一件事情，我认为的正确做法应该是：
- 我们先在 AI 的辅助下，把事情理清楚、把不懂的都问明白
- 设计好方案
- 再交给 AI 执行
这样，AI 就成为了我们的助手，而不是智力的替代品，而且在这个过程中我们也真正获得了能力的提高。
但为什么大家不这么干？我认为：现在 Agent 和 Chatbot 常见的线性对话方式，并没有围绕“辅助你深入思考”来设计。请看下面的例子：
你跟 AI 聊天时，
脑子里有一大堆问题。
场景二：你一个个问，试图先把一个问题搞懂。
结果
在多轮对话里，等你把一个问题搞懂之后，你已经完全忘记了之前的第二个、第三个问题。
我们的解决方案
给对话加上树状结构，方便你回到任何一轮对话。
ThinkDeepWide 把你的对话变成一棵树，你可以回到之前的任何一轮对话。
这样，你每次都可以针对一个问题进行多轮提问，继续深入思考。
一个问题聊完了，你就可以点击之前的树节点，回到之前的消息，再问其他问题。
你和 AI 的第一轮对话
你的第一个问题
你的第二个问题
问题 1.1
问题 1.2
问题 2.1
问题 2.2
AI 还在回复时，你可以接着问其他问题。
AI 正在回答你的第一个问题时，你就可以另开分支，问第二个、第三个问题。
不同分支可以同时回复，你不用等上一条结束。
你分开问，也能少花重复的钱。
ThinkDeepWide 专门优化了分支的上下文缓存复用，尽量减少重复处理同一段对话的 token 消耗，避免你的钱包在燃烧。
01 /看看你可以怎样用
观看我们精心制作的 demo 视频！
视频章节 9 个片段
02 / 交互式产品演示
你也来试试，把想问的问题分开聊
演示已加快：AI 回复即时显示。
学懂 Looped TransformerCodex
对话树
100%
03 /这是 Agent，不只是聊天机器人。
本产品不是简单的 chatbot。
本产品是一个从 UI 到引擎深度改造过的 agent。
甚至可以直接使用你的 codex/grok coding plan，不必额外买 token。
你可以让它读本地资料、编写和运行代码，再把你们讨论过的内容整理成文档，保存到你的项目里。
让它读你电脑里的资料
“读一下我之前存的那几篇论文。”你可以让它结合本地文件回答问题，也可以让它整理资料、写文档。
让它运行代码，验证你的想法
“按我们刚才的思路写段代码，运行一下看看。”你能看到它执行的过程和结果，再让它继续检查或修改。
让它上网帮你找资料
你可以让它搜索资料、阅读来源，再把找到的信息和你项目里的文件结合起来，一起分析。
你能看清它改了什么
它修改代码之后，你可以查看具体增加和删除了哪些内容，再决定保留哪些改动。
你的远程服务器，它也能用
你可以在本机上工作，也可以通过 SSH 连接 Linux 主机，让它在你的远程环境里运行任务。
接入你已有的工具
你可以用 Skills 保存常用的工作方法，也可以通过 MCP 连接其他工具和服务，让它按你的方式做事。
你的几件事，可以分别推进
你可以按项目管理任务，为任务选择模型和思考强度，也能查看它派出的子任务、进度和结果。
需要你决定时，它会来问你
你连接自己的模型账号。它遇到权限请求或需要你决定的问题时，会向你提出请求，等你确认后继续。
04 /下载 / QA
下载
QA：你可能还想问
你这和 Codex 有什么区别？不就是加了一个 UI 吗？
对话树看起来确实不复杂，但画出这棵树，只是第一步。你从同一个节点分出去问几个问题时，如果之前的对话不能命中缓存，模型就可能反复处理同一段内容，你也得为这些重复内容付费。为了解决这个问题，我们深入改造了 Agent 引擎，专门处理分支之间的上下文和缓存复用。
另外，我们针对“深度思考”这个场景做了大量 UI 优化。你可以把不同的问题分开聊，沿着一个问题继续追问，再回到之前的节点问其他问题。我们做这些，是想让你更容易地深入思考，只有思考清楚了，再把后续的执行丢给 AI 才是合理的。
所以我想做一款产品：你主导思考与判断，AI 辅助解答、帮助你理解，最后再把你想清楚的思路落地执行。我们希望每次解决问题，也都是你提高能力的机会。
我们也会持续跟进 Codex / Grok Build 的上游更新，做好兼容检查后及时同步，尽可能让你用到他们最新的功能。
我多开几个分叉，会不会更烧 token？
会多一些用量，因为你确实让 AI 回答了更多问题。但你不应该因为分叉，就反复为同一段历史对话付费。我们优化的正是这部分上下文缓存的复用，尽量避免你的钱包在燃烧。
缓存能不能命中，还取决于你使用的模型、上下文变化和供应商的缓存规则。我们不会说开多少分叉都免费，也不会给你保证一个固定的省钱比例。
AI 还没回答完，我就能问下一个问题吗？
可以。AI 还在回复时，你可以回到之前的节点，开另一条分支去问第二个、第三个问题。几条分支可以同时回复，你不用等第一条全部结束。
分成几条分支之后，AI 还知道我前面聊过什么吗？
你从哪个节点继续问，这个节点之前的讨论就会成为这条分支的来路。你不用每次都把前面的问题重新解释一遍。
不同分支的内容也可以通过跨节点引用带进当前讨论，最后再一起整理成笔记。但这不等于把所有分支的全文每次都塞给模型，也不代表 AI 从此不会漏掉信息。
我不写代码，这个东西对我有用吗？
有。你可以用它读论文、学一个新概念、分析一个方案，或者把电脑里存过的资料翻出来一起讨论。你想到几个问题，就把它们分开聊；哪里没懂，就沿着哪里继续问。
聊到“能不能试一下”时，你还可以让它读文件、运行代码、写文档。它本身就是一个 Agent，不只能陪你聊天。
AI 如果说错了，换成树状对话就能解决吗？
不能。树状对话不会自动让 AI 的答案变对。但你可以更方便地追问“你为什么这么说”“原始资料在哪里”“能不能写段代码验证”，把一个结论单独拿出来检查。我们想帮你保留自己的判断，而不是让你更放心地照单全收。
我已经订阅了 Codex / Grok，还要再买 token 吗？
目前只支持使用 Codex / Grok coding plan。你可以连接已有账号，不必为了换成 ThinkDeepWide 就再买一份 token。你原来方案的额度和使用限制仍然适用。目前不支持通过 API key 接入模型。
ThinkDeepWide 收的是产品订阅费，和模型服务的费用是两回事。目前官网购买入口还没有开放。
我电脑里的文件和对话，会传到你们服务器上吗？
我们的账号和授权服务不接收你的聊天正文、项目文件或模型账号凭据。对话和项目保存在你使用的电脑，或者你自己连接的远程主机上。
但你让 AI 读文件、回答问题时，相关内容会按实际请求发给你选择的模型或工具服务。这不是一个完全离线的本地模型，我们不会把“在你的电脑上工作”说成“所有数据都不会离开电脑”。
我的项目在服务器上，也能用吗？
可以。你可以连接自己的 Linux SSH 主机，在远程项目里读文件、运行命令和继续讨论。你用的是同一套树状界面，项目和任务在你选择的主机上运行，不需要先把整个项目搬回电脑。
以后我不用这个产品了，之前聊的东西能带走吗？
可以。你可以复制或导出从根节点到当前节点的 Markdown，也可以导出整棵对话树，保留分支内容和关系索引。
你也可以把一条路径导出成对应 Codex / Grok 的原生会话，继续在相应工具里使用。你的讨论不应该只能困在我们的界面里。
现在就能下载吗？我的电脑能用吗？
公开下载将在几天后开放，首发 macOS。Windows 版仍在适配，完成后另行开放；Linux 仅支持作为 SSH 主机连接，不提供 Linux 桌面客户端下载。
05 /保持联系
第一时间收到发售通知。
留下邮箱。我们会先发一封确认邮件；只有你点开确认，才会在 ThinkDeepWide 正式发售时通知你。