【ADHD有福了】自己开发的以分支对话为核心的AI聊天界面：Michi

#p-8483935-michi-1什么是 Michi Michi 是 LZ 开发的一款 AI 聊天界面。 核心设计： branching 是内建的基本操作，并行探索是默认的交互方式。 #p-8483935-michi-2为什么要做 Michi 不知道大家有没有遇到过这种情况：AI的回复里有三个方向你都想深挖，同时还有个概念没搞明白需要它先解释。 这时候通常有两种做法： 直接在当前对话里追问 — “帮我解释这个，顺便往这三个方向都研究一下。” AI 当然做得到，但这些 side quest 会挤占当前的 context，聊着聊着主线话题的专注度就被稀释了。 新开几个 session 分头聊 — 互不干扰，但切来切去很麻烦，而且新窗口继承不了当前的 context，等于从零开始。 问题的本质是： 一次线性的对话，装不下发散的探索。 我很喜欢逛维基百科。点进一个词条，从它延伸出几十个别的词条，一路跳下去，最后落到一个和起点毫无关系的地方，得到一堆冷知识 — 这个过程本身非常有趣。 和 AI 聊天可以是同一件事：一次学习或探索，本来就可以是一张 多分支、多方向、深浅不一的网 。我想把 branching 做成一种原生的、内建的能力，让并行探索成为交互的核心而不是附属功能。 主流 AI 聊天工具都没有把这件事做成一等公民。Claude Code 有 /branch 和 /btw ，Codex 有 Side Chat — 功能存在，但界面上都不够直观，分支探索没有被当成对话的主结构来设计。 So I made one myself. #p-8483935-michi-3Michi 的核心功能 Branch — 从当前对话分叉，继承context，独立探索。同屏可以显示多个对话，并行输出。 Weave / Merge — 选几份对话的内容综合起来，作为 context 开启一个新对话 Digest — 把整棵对话树按自定义 prompt 进行总结 #p-8483935-h-4举个例子 #p-8483935-h-5清理硬盘 我今天上班发现电脑硬盘满了。打开 Michi，让 Claude Code 先分析一遍 — 列出了一堆来源：build files、各种缓存、装了一堆有的没的 application，等等。 我从这次分析里开了三个 branch： 清理缓存 分析 application 里哪些应用占用最大 主对话继续往深处扒，看有没有特别大的文件可以备份到云端 三个 branch 各自分析完之后，同时开始清理。最后把这几份对话 merge 成一个新对话，总结出哪些操作可以设成每天自动跑，顺手做了定时任务。 /uploads/short-url/k2mWQioAI6s9qgqogcgMOEvOHv.png?dl=1 #p-8483935-root-cause-analysis-6Root Cause Analysis 同样的模式很适合排查问题：先让不同 branch 分头验证各自的假设方向，过程中不同 chat 之间还可以互相 reference，最后汇总成一份报告 — 报告的形式由我自己定义，很适合直接贴到ticket或者文档里面。 #p-8483935-h-7旅行规划 来东京旅游：一个 branch 研究博物馆和展览，另一个 branch 查我去的时间段有没有想看的 live。查博物馆的时候发现上野那片集中了不少，感觉可以安排一整天，就再开一个 branch 单独做那天的规划，顺便查一下附近有啥吃的 — 最后全部合并，一个具体的计划就有了。 #p-8483935-runtime-8支持的 Runtime Claude Code — 通过 claude -p Codex — 通过 Codex App Server Kiro-cli — 通过 ACP Pi — 内嵌 Pi-agent，支持主流 API provider，我个人喜欢DeepSeek，便宜大碗 #p-8483935-star-star-9 如何尝试 https://github.com/XNYu/Michi 让Claude / Codex帮你装一下 （喜欢自己装也行） 或者去 http://michi.nan.it.com 用谷歌登录试用，内置了OpenRouter的免费模型（效果有点一般，不是很听从指令） #p-8483935-michi-10Michi是什么意思？ 日语的 道（みち） ，用Michi进行探索的时候就像一直在走分岔路一样（笑 #p-8483935-h-11最后 LZ其实一直想法很多但是就是懒。在此特别感谢Claude Code和Codex，idea变成产品的成本被极大地压缩了。 这玩意第一版两天就做出来了 —— 结果后面花了一个多月断断续续在打磨。主要是前端，把它做得不AI-slop花了很多时间（现在的界面还是不是很满意），研究输出的流畅度又花了很多时间。我实在太受不了有些AI chat跳字时候的卡顿感了，Michi不管别的，出字的流畅度绝对是领先。 这套需求其实挺niche的，我给身边的朋友和同事安利之后，有人爱到不行直接当做主力工具在用，有人完全无感。本质比较适合擅长多任务处理，想法比较发散的人（或ADHD 同时我觉得Michi最有用的feature是同屏显示多个对话，多线程处理来回切换很直观 欢迎大家试用，给反馈，点星星（之类的 注：本文由语音输入AI润色完成

火钳刘明

我也有这个需求 但是我发现只要让ai画mermaid的流程图展示我的思路就可以了 这样就足够我复盘和回顾了， 用mindmap或者branch thread之类的还是有点heavy “你总结我跟你的思考flow， 并用mermaid画一张流程图 你可以不渲染 只给我 text” /uploads/short-url/kWrZicOna10UsVSjpwAi1C3e1Qu.png?dl=1

感觉这个需求很贴和实际，LLM现在的逻辑是sequential的，很多时候我想就着一个response分开问不同的问题，从不同方向去探索，赞一个

这个好，从没想过让AI生成mermaid总结…… 不过我的branching重点可能在过程而不是结果：我会想在探索的过程中去问不同的东西，有的时候可能会在某个方向钻得很深再转回来；或者看到一个词不知道什么意思让AI给我解释一下，解释完了可以继续深挖（也可能就不管了） 最后达成的结果反而可能是单点的，可以是一个/多个报告或者代码。

郁小南: ：我会想在探索的过程中去问不同的东西，有的时候可能会在某个方向钻得很深再转回来 其实模型能力够强和context管理过得去的话，一个chat session里我觉得是没问题的 就是模型能力完全可以满足过程里发散的需求，记得住的， 就算记不住模型只要足够强也知道（

解决的需求很实际 但是AI前端是个需求超级复杂的东西，为了解决一个痛点换前端感觉不太现实 我现在日常是vscode chat /fork 然后必要的时候让一个新的session直接搜session store的记录总结多个session 功能应该跟楼主这个是等价的

他这个项目没有换前端吧，都是以插件形式存在的 郁小南: 支持的 Runtime Claude Code — 通过 claude -p Codex — 通过 Codex App Server Kiro-cli — 通过 ACP Pi — 内嵌 Pi-agent，支持主流 API provider，我个人喜欢DeepSeek，便宜大碗

我以为它是用前端调用这些harness runtime

是对的，前端调用的 我现在个人用下来这个前端基本满足软件开发的要求，包括思考，tool call，渲染代码等等 多agent管理的展示没做，真的需要的时候我只能切回cc 至于普通的聊天完全没问题 我觉得前端还是用惯的最好。很多人只是用cli或者网页聊天，切换成本就会比较低（而我个人是喜欢折腾所以cc，codex，michi和cli都在同时按需使用）

Lunasol: 其实模型能力够强和context管理过得去的话，一个chat session里我觉得是没问题的 就是模型能力完全可以满足过程里发散的需求，记得住的， 就算记不住模型只要足够强也知道（ 我的体验是是模型看了一堆屎山代码读了一堆屎山文档，context怼过半之后就会开始说胡话了（opus 1m）但其实这些读过的代码和文档真正需要的只有一小部分 我个人还有一个很喜欢的功能点在于并行开两个以上的session针对一个scope下不同方向同时跑。四舍五入等于模型输出速度翻了几倍（。）

Claude 是不是有这个 feature？

你好，有的 只是不能同屏并行显示几个chat

感觉十分的需要 之前每次有side question又懒得fork的时候就只能不停rewind 有个小问题，我隐约记得anthropic不让 claude -p 用在subscription了？

有无ChatGPT浏览器插件版本

好像Hermes Desktop就有branch