**ルーマンの遺産とLLMの邂逅が生み出す、知的生産の新たな地平** ## 0. 序文：この思索の庭へようこそ このテクストは、完成された知識体系の提示を目的とするものではありません。むしろ、人間とAIが織りなす知的生産の未来図を模索する、現在進行形の「思索の実験場」であり、読者諸氏との対話を通じて共に育てていくことを願うものです。もしあなたが、Zettelkastenの深淵に触れ、LLMの未曾有の可能性に心躍らせ、そして何よりも「知とは何か、思考はいかにして深化するのか」という根源的な問いに魅せられた探求者であるならば、この庭の小径はあなたにとって刺激的な発見と知的対話の機会に満ちているかもしれません。 本稿で提示する「Zetteldistillat (Z:D)」は、ニクラス・ルーマンが遺した知的生産の巨人、Zettelkastenの思想的エッセンスを汲み上げつつ、大規模言語モデル（LLM）という新たな知の道具を前提として、人間とAIが真に共進化しうる知的生産プロトコルの構築を目指す試みです。それは、単なる情報整理術や効率化の技法を超え、我々の思考様式そのものを変革し、新たな叡智創出の地平を切り拓く可能性を秘めています。 ## 1. 問題提起：Zettelkastenの黄昏とAI時代の夜明け – 我々は何処へ向かうのか？ ### 1.1. Zettelkastenの功績と限界 ニクラス・ルーマンのZettelkastenは、個々のアイデアを原子化し、それらを緻密なリンクネットワークで結びつけることにより、驚異的な知的生産性を実現しました。カード間の予期せぬ遭遇が新たな洞察（セレンディピティ）を生み出し、思考を外部化することで複雑なテーマの長期的な探求を可能にするという、その思想的功績は計り知れません。 しかし、その輝かしい功績の陰で、現代のデジタル環境においてZettelkasten的アプローチを実践する我々は、いくつかの構造的な困難に直面しています。数千、数万のノートが蓄積されるにつれ、「個々の木は見えるが森が見えない」という **「森林喪失リスク」**。リンクの維持・更新、構造ノートの整備といった **「高メンテナンス負荷」**。そして何よりも、丹念に育てた知のネットワークから、具体的な論文や書籍といった **「アウトプットへの遠さ」**。これらは、多くの実践者が一度は経験するであろう、Zettelkastenの黄昏にも似た感覚ではないでしょうか。 ### 1.2. LLMの衝撃と知的生産への問い 2020年代初頭から急速に発展したLLMは、知的作業の風景を一変させました。文章生成、要約、翻訳、質疑応答といったタスクを驚くべき精度でこなし、我々の知的生産のあり方に根源的な問いを突きつけています。Obsidianのような優れたPKMツールとLLMを連携させる試みは数多く存在し、テキスト生成の補助やノート内容の分析といった部分的な効率化は実現されつつあります。 しかし、現状の連携の多くは、人間の思考プロセスとLLMの応答生成が断絶していたり、ユーザーが受動的な依頼者の立場に留まっていたりするなど、本質的な「協働」には至っていません。LLMは文脈理解の限界や構造化データの扱いの不得手さも抱えており、単に既存のワークフローにLLMを「アドオン」するだけでは、思考の質そのものを深め、Zettelkastenが本来目指したような、複雑な知の構造体を創り上げるという目標には到達し得ないのではないでしょうか。 ### 1.3. 新たなパラダイムへの渇望 Zettelkastenが示した永続的で発展的な知識構築の理想と、LLMが提示する圧倒的な情報処理・生成能力。これら二つの潮流が交差する今、我々は、両者の長所を融合し、短所を補い合う、新たな知的生産のパラダイムを渇望しているのではないでしょうか。それは、静的な知識の蓄積を超え、人間とAIが互いの知性を触発し合い、共に思考を深め、具体的なアウトプットを創出していく、動的で循環的なプロセスであるべきです。 ## 2. Zetteldistillat (Z:D) の核心：情報から叡智を「精製」するということ Zetteldistillat (Z:D) は、このような問題意識と渇望から生まれた、LLM時代の新しい知的生産モデルです。その核心には、「知能とは何か」という問いに対する一つの思想があります。 ### 2.1. 「知能＝圧縮⇔展開の循環」という思想 Z:Dは、知能の本質を **「情報の圧縮と意味の展開の循環的プロセス」** として捉えます。我々は日々、膨大な情報（経験、ログ、外部データ）に接し、そこから何らかの「意図」に基づいて本質的なパターンや構造を **「圧縮」** して理解します。そして、その圧縮された理解を、特定の文脈や問いに応じて、他者や未来の自分に伝わる形へと **「展開」** します。この「圧縮」と「展開」の絶え間ない循環こそが、知的活動の根幹であるとZ:Dは考えます。 この思想は、知識を静的な「モノ」として蓄積するのではなく、絶えず変化し、精錬され、再利用される動的な「プロセス」として捉え直すことを促します。  <span class="mxt-caption"> ▲ 圧縮と展開の循環モデル </span> ### 2.2. コアメタファー「Distillation（精製）」 Z:Dが知的生産のコアメタファーとして採用するのは、「育てる（garden）」でも「構築する（build）」でもなく、**「精製（distill）」** です。これは、知能観における「展開を想定した質の高い圧縮」を行うプロセスに他なりません。 「精製」とは、単なる情報量の削減や要約ではありません。それは、後の豊かな展開（アウトプット）を可能にするために、LLMの支援も活用しながら、本質的な特徴を選択・抽出し、構造化し、ノイズを除去していく、能動的で目的志向的な行為です。Zettelkastenが「アイデアを育てる」という有機的なメタファーを提示したのに対し、Z:Dは、より意識的で、価値の純度を高めていく「錬金術」にも似た「精製」のプロセスを重視します。これにより、無秩序な情報の海から、真に価値のある洞察や知識の結晶を取り出すことを目指します。 ### 2.3. Z:Dの5つの基本原則 この「精製」プロセスを支え、人間とLLMの協働を具体化するのが、以下の5つの基本原則です。 1. **① 循環プロセスの重視:** ログ（インプット）→構造化（圧縮）→応答生成（展開）→内省・フィードバック（再圧縮の起点）という、知的活動の循環構造をフレームワークの中心に据えます。LLMは、このサイクルの各段階、特に圧縮補助と展開生成において人間の認知プロセスを支援・加速します。 2. **② 出力（展開）指向性:** 「圧縮」は常に「後の展開（アウトプット）」を想定して行われるべきであり、実用的なアウトプット創出をプロセスの駆動力とします。LLMによる多様な形式での展開（要約、記事化、コード生成など）を前提とします。 3. **③ 構造と主張の同居（圧縮形式の工夫）:** ノートは、LLMが解釈可能な形で「圧縮」された思考の核（構造）であると同時に、人間が読み解き、直接的な主張やアウトプットの雛形として「展開」できる形式（例：Markdown）を目指します。これにより、「展開可能性の高い圧縮」を実現します。 4. **④ 意図駆動（圧縮の方向づけ）:** どのような「意図」に基づいて情報を「圧縮」し、どのような文脈で「展開」したいのか（問いの主語、目的など）を明確にすることが、サイクルの質を高める鍵となります。この「意図」は、LLMへの効果的な指示（プロンプト）となり、人間が主体的にLLMの圧縮・展開プロセスをガイドすることを可能にします。 5. **⑤ 精製と編集（圧縮品質の向上）:** 「展開は圧縮の質を明らかにする」という原則に基づき、ノート（圧縮された構造）は固定的なものではなく、内省（T）や新たな情報（フィードバック）に基づき、LLMの支援も受けながら継続的に「精製（より質の高い圧縮へ）」と「編集（展開しやすい形へ）」が行われる対象です。 これらの原則は、Zettelkastenが抱えていた「森林喪失リスク」に対しては「意図の軸」や「出力指向性」で、「高メンテナンス負荷」に対しては「精製」プロセスによるノイズ除去と適切なアーカイブ化で、「出口設計の希薄さ」に対しては「出力指向性」そのもので応答しようと試みます。 ## 3. QSAフレームワーク：Z:Dを駆動する思考のエンジン Zetteldistillatの思想を具体的な知的生産プロセスへと落とし込み、人間とLLMの協働を構造化するのが**QSAフレームワーク**です。QSAは、**Question（問い）→ Structure（構造）→ Answer（応答）→ Thought（思考）** という4つのフェーズからなる反復サイクルであり、Z:Dの「圧縮⇔展開」の循環を駆動するエンジンとして機能します。  <span class="mxt-caption"> ▲ QSAサイクルの詳細フロー </span> ### 3.1. QSAサイクルの構造と機能 - **Question (Q) - 問いの設定:** あらゆる知的探求は、明確な「問い」から始まります。このフェーズでは、探求すべき核心的な問いを定義し、その背景や文脈を明確にします。LLMは、曖昧な問題意識を具体的な問いへと精緻化するのを助けることができます。 - **Structure (S) - 構造の設計:** 設定された問いに答えるため、思考の「骨格」を設計します。これには、論点の分解、比較検討の軸設定、分析フレームワークの選択、前提条件の整理などが含まれます。人間が主導しつつも、LLMに構造案を提案させ、共に洗練させていく協働が可能です。この「構造」こそが、LLMが文脈を理解し、質の高い「展開」を行うための重要な足場となります。 - **Answer (A) - 応答の生成:** 設計された「構造」に基づき、各論点に対する「応答」を生成します。LLMは、構造の各要素に対してテキスト案を迅速に生成する強力なアシスタントとなります。人間は、その生成物を批判的に吟味し、ファクトチェックを行い、自身の洞察を加えて編集します。 - **Thought (T) - 内省と再圧縮:** 生成された「応答」全体を俯瞰し、そこから得られた本質的な洞察、新たな疑問、次のアクションなどを簡潔に「思考」としてまとめます。これは、一時的な結論であると同時に、次のQSAサイクルのための「再圧縮されたインプット」あるいは「新たな問いの種」となります。LLMは、応答群からの要点抽出や、次の問いの候補提案などで支援できます。 ### 3.2. (Optional) Distillationレイヤー 多くの場合、QSAサイクルを一度回すだけでは最終的なアウトプットや永続的な知識（Zettel）には至りません。複数のQSAサイクルを経たり、あるいは一つのQSAサイクル内のAnswerやThoughtから、より高次の洞察や普遍的な概念を抽出・構造化する、いわば **「Distillation（精製）」** のレイヤーが重要になります。これは、`loop-06_zd-obsidian-getting-started.md`で提案されたQSA思考ログの「Distillation」セクションに相当し、ここで生成されたものが、Zettelkastenでいうところのパーマネントノートに近い性格を帯びてくると言えるでしょう。 QSAフレームワークは、このように人間とLLMが各フェーズでそれぞれの強みを活かしながら協働し、思考を段階的に深め、構造化していくための具体的な「型」を提供します。 ## 4. 学術的パースペクティブ：Z:Dと既存研究との対話 ZetteldistillatおよびQSAフレームワークは、全くの真空から生まれたものではなく、AI、HCI、認知科学、そしてPKMの各領域における既存の研究や実践と深く関連しています。ここでは、`research_qsa-zd_originality_comparison.md`での詳細な分析を踏まえ、主要な関連研究との対話を通じてZ:Dの学術的な位置づけと独自性を明らかにします。 ### 4.1. AIエージェント研究（Self-Ask, ReAct, ToT等）との比較 近年、LLMに自律的な問題解決能力を持たせるためのフレームワークとして、Self-Ask（LLMが再帰的に自問自答する）、ReAct（推論と行動を交互に行う）、Tree of Thoughts (ToT)（複数の推論経路を探索する）などが注目されています。これらのアプローチは、問題を分解し、段階的に解決に至るという点でQSAと共通の思想を持っています。 しかし、決定的な違いは、これらの多くが**LLMの自律性**を追求し、人間の介在を最小限に抑えようとするのに対し、QSA/Z:Dは**人間とAIの緊密な協働**を設計の中心に据えている点です。QSAにおける「Structure」フェーズは、人間が主導的に思考の骨格を設計し、LLMの能力を意図的に方向づけるための明確な介入ポイントです。また、「Thought」フェーズにおける内省も、人間の深い理解と批判的思考を重視します。QSA/Z:Dは、タスクの自動完了ではなく、**人間の知的成長と洞察の深化を伴う知識共創プロセス**を目指しているのです。 ### 4.2. HCIと認知科学からの示唆 QSA/Z:Dの設計思想は、HCIにおける**混合主導権インタラクション（Mixed-Initiative Interaction）** や**知能増強（Intelligence Augmentation）** の理念と強く共鳴します。LLMをブラックボックスとして扱うのではなく、その思考プロセス（あるいはその模倣）を人間が理解し、ガイドできるようなインターフェースが求められます。Sensecapeのような階層的情報探索システムや、NoTeelineのようなAIノートテイキング支援ツールは、構造化された人間-AIインタラクションの有効性を示唆していますが、同時にユーザーエージェンシーの維持や認知負荷の管理といった課題も提示しています。QSAは、これらの課題に対し、明確なフェーズ分離と人間による検証・編集ステップを設けることで応答しようとします。 認知科学の観点からは、QSAサイクルは**メタ認知活動の足場（scaffolding）** を提供すると言えます。問題を定義し（Q）、解決策を計画し（S）、実行し（A）、結果を評価する（T）というプロセスは、効果的な学習や問題解決に不可欠なメタ認知戦略そのものです。QSA/Z:Dは、これらの戦略を人間とAIの協働を通じて実践するための具体的なフレームワークを提供するのです。 ### 4.3. Zettelkasten研究とPKMの潮流における位置づけ Zettelkastenの思想をAI時代にどう活かすかという問いに対しては、A-Memのような「LLMのためのZettelkasten風記憶システム」といった研究も見られます。これらが主にAIエージェントの能力向上を目指すのに対し、QSA/Z:Dはあくまで**人間のための知的生産支援**という立場を堅持します。 また、Second Brain (PARA), LYT/MOC, Evergreen Notesといった現代の主要なPKM手法は、それぞれZettelkastenの特定側面（アウトプット指向、構造化、知識の更新性など）を補強しようとしていますが、LLMとの統合を前提とした包括的なプロセスモデルを提示しているわけではありません。QSA/Z:Dは、これらの手法の優れた点も参考にしつつ、LLMを思考プロセスの全段階に深く統合し、「精製」という独自のメタファーを通じて、より動的で意図駆動的な知識創造サイクルを提案する点で一線を画します。 ### 4.4. QSA/Z:Dの独自性と学術的貢献（暫定） 以上の比較検討から、QSA/Z:Dは、(1)人間とAIの協働を前提とした明示的なQ→S→A→Tの反復サイクル、(2)「意図駆動」と「出力指向性」に基づく「精製」というコアコンセプト、(3)Zettelkastenの思想的継承とLLM時代の要請の統合、という点で既存研究には見られない独自性を持つと考えられます。その学術的貢献は、人間-AI協調的知性の新たなモデル提示、実践的なメタ認知支援ツールの設計指針、そしてLLM時代の新しい知識論への問題提起といった領域に及ぶ可能性があります。 ## 5. 実践への誘い（いざない）：QSA思考ログによる「精製」の第一歩 Zetteldistillatの思想やQSAフレームワークは壮大に聞こえるかもしれませんが、その実践は極めて具体的で、小さな一歩から始めることができます。そのための具体的なエントリーポイントが **「QSA思考ログ」** です。 ### 5.1. ObsidianにおけるQSA思考ログの導入 QSA思考ログは、特定の「問い」に関するQ→S→A→T（→Distillation）の思考サイクルを、Obsidianのようなプレーンテキスト環境で記録・管理するための独立したモジュールです。以下にその基本的なテンプレート構造を示します。 ```markdown --- title: "(LLMが生成 or 手動設定: 例 Z:Dコンセプトの学術的意義とは？)" created: "YYYY-MM-DDTHH:MM:SS" tags: [QSA, Z-D, 探求テーマA] qsa_loop_id: "xxxxxx" # 思考の連鎖を辿るためのID status: "in-progress" # draft, published, archivedなど # その他、必要に応じたメタデータをLLMに生成させることを推奨 --- # Context/Trigger (or 背景) * なぜこのQSAループを始めたのか？ 起点となった情報（[[既存ノートへのリンク]]、URL、会議名、LLMとの対話ログへのポインタなど） # References (or 関連メモ・リンク) * この思考サイクルに関連する内部リンクや外部リンク # Q (Question) * このサイクルで探求する中心的な「問い」。具体的かつ明確に。 * 例：Z:Dコンセプトが、既存のHCI研究における混合主導権インタラクションの議論にどのように貢献できるか？ # S (Structure) * Qに答えるための思考の「構造」。論点の分解、比較軸、分析フレームワークなど。 * 例： * 1. 混合主導権インタラクションの既存定義と主要課題の整理 * 2. Z:D（特にQSAのSフェーズとTフェーズ）がこれらの課題にどう応答するかの分析 * 3. Z:Dが提示する新たな研究アジェンダの考察 # A (Answer) * Sで設計した構造に基づいて導き出された「応答」。LLMによるドラフト生成と人間による批判的編集。 * 例： * 1. (混合主導権インタラクションの課題分析結果...) * 2. (Z:DのSフェーズは〇〇により、Tフェーズは△△により、課題X,Yに応答しうる...) * 3. (新たな研究アジェンダとして□□が考えられる...) # T (Thought) * Aを受けての内省、評価、そして次の思考への連鎖。 * 例：今回の分析でZ:DのHCI的意義の一端が見えたが、実際のUI/UXデザインに落とし込む際の具体的な課題は何か？ 次のQSAではその点を深掘りしよう。[[次のQSAノートへリンク]] # Distillation (Optional) * このQSAサイクル全体から抽出された核となる洞察、結論、重要な発見、アウトプットの種。 * 例：Z:Dは、人間の「意図」をLLMとのインタラクションの設計変数として陽に取り込むことで、混合主導権研究に新たな視座を提供する。 ``` 重要なのは、このYAMLフロントマターや構造の雛形生成をLLMに積極的に委ね、人間は「問い」の質、思考の「構造」の妥当性、そして最終的な「思考」や「精製」された洞察の質に集中することです。これがZ:Dにおける人間とAIの効率的な分担作業の一例です。 ### 5.2. QSA思考ログがもたらす体験の変化 このシンプルなQSA思考ログを実践することで、以下のような体験の変化が期待できます。 - **思考の構造化:** 「問い→構造→応答→内省」という型を意識することで、漠然とした思考が明確な輪郭を持ち始めます。 - **LLMとの対話の深化:** 構造化されたテキストはLLMにとって理解しやすく、QSA形式自体が人間とLLMの間の強力な「共通言語」として機能します。これにより、単なるテキスト生成を超えた、思考の壁打ち、構造提案、次の問いの発見といった高度な協働が可能になります。 - **「精製」の感覚の体得:** ThoughtやDistillationセクションで思考の核を意識的に抽出する行為は、まさに情報を「精製」する体験そのものです。 ### 5.3. これは「完成形」ではなく「出発点」 QSA思考ログは、Z:Dコンセプトを自身の知的生産に取り入れるための、あくまで最初の一歩であり、柔軟なカスタマイズが可能です。重要なのは、この「型」を通じて、Z:Dの思想を体感し、自身の思考プロセスを意識的に設計・記録する習慣を身につけることです。 ## 6. 未踏の領域と未来への問い：Z:Dと共に進化する知的生産 Zetteldistillatは、完成されたシステムではなく、人間とAIの共進化する知的生産のあり方を探求し続ける、オープンエンドなプロジェクトです。 ### 6.1. Z:Dコンセプトに残された課題と探求テーマ 本稿で提示したZ:Dコンセプトも、まだ多くの課題と探求テーマを抱えています。例えば、 - 思考の方向性を定める「意図の軸」や「問いの主語」を、より具体的に表現し、管理・運用する方法論の確立。 - 「精製」の具体的な基準や、多様なアウトプット形式（論文、コード、プレゼンテーション等）への効率的な変換プロセスの設計。 - 個人利用だけでなく、チームや組織における協調的なZ:D実践を支援するコラボレーションモデルとツールの開発。 - 特定のツールへの依存を低減し、より汎用的な記法やプロトコルとしてのZ:Dの洗練。 これらの課題は、今後のZ:Dコンセプトの発展における重要な道標となるでしょう。 ### 6.2. 読者への問いかけと対話の呼びかけ この「思索の実験場」は、読者諸氏の知恵と洞察によって、より豊かで実りあるものになると信じています。本稿で提示したZ:Dコンセプトに対し、 - あなたの視点からの批判的検討や建設的意見は何か？ - あなたの専門分野や実践経験から、Z:Dに応用可能な知見や関連研究は何か？ - Z:Dの思想を、あなたの知的生産活動にどのように取り入れ、発展させうるか？ ぜひ、あなたの声をお聞かせください。このテクストのコメント欄、あるいは後述するコミュニティの場で、活発な知的対話が生まれることを願っています。 ### 6.3. 結び：人間とAIが織りなす、終わりのない知の探求へ Zetteldistillat (Z:D) は、答えではなく、問いかけです。それは、人間とAIが互いの知性を尊重し、触発し合い、共に新たな意味と価値を創造していくための、終わりのない探求の旅路そのものです。この旅路に、あなたも参加してみませんか？ ## 7. 関連リンクとさらなる探求のために ### 7.1. Zetteldistillatコンセプトの異なる側面からのアプローチ 本稿はZ:Dコンセプトの思想的・学術的探求に焦点を当てていますが、より実践的な側面や、異なる視点からの解説も用意しています。ご自身の関心や現在の知識レベルに合わせて、以下の記事もご参照ください。 - **「Obsidian × LLMによる次世代ナレッジマネジメント：** https://qiita.com/hann-solo/items/f95c5c7bca38cd628107 - ObsidianとLLMを用いた具体的な実装例や技術的考察に興味のある方向け。QSA思考ログの導入から、より発展的なワークフロー構築のヒントまで、実践的な情報を提供します。 - 想定読者：Obsidian中～上級者、エンジニア、技術的探求を好む方。 - **「凡人のための思考革命！ AIと脳をハックする『Zetteldistillat』爆誕！」:** https://masatler.hatenablog.com/entry/2025/05/09/160801 - Zettelkastenや高度な情報整理術にこれから挑戦したい、あるいはLLMをもっと本質的に活用したいと考えている方向け。QSA/Z:Dがもたらす知的生産の変革を、具体的なメリットと共に分かりやすく解説し、最初の一歩を後押しします。 - 想定読者：知的好奇心旺盛なすべての方、新しい学びの形を模索している方。 ### 7.2. 本稿の参考文献・資料 - 本稿の議論は、以下の主要な参考文献および、筆者がQSA/Z:Dコンセプトを練り上げる過程で作成した一連の検討資料（QSAループドキュメント）に基づいています。QSAループドキュメント群は、以下のGitHubリポジトリにて公開しており、本稿の各論点のより詳細な背景分析や思考プロセスにご関心のある方は、併せてご参照ください。 - **QSA/Zetteldistillat 研究リポジトリ:** [https://github.com/hnsol/qsa-model/tree/main/docs/case-studies/005_zetteldistillat] - **主要参照QSAループドキュメントリスト（上記リポジトリ内）:** - `loop-01_zk-positive-overview.md` (Zettelkastenの肯定的側面に関する調査) - `loop-02_zk-painpoints.md` (Zettelkastenの課題分析) - `loop-03_zk-related-methods-comparison.md` (関連手法比較) - `loop-04_zd-core-principles.md` (Zetteldistillatコア原則定義) - `loop-05_obsidian-llm-integration-analysis.md` (ObsidianとLLM連携の分析) - `loop-06_zd-obsidian-getting-started.md` (ObsidianでのZ:D実践開始方法) - `loop-07_zd-communication-strategy.md` (コミュニケーション戦略) - `research_qsa-zd_originality_comparison.md` (QSA/Z:Dの独自性と関連手法比較の詳細調査) 1. Ofir Press *et al.* (2023). *“Measuring and Narrowing the Compositionality Gap in Language Models.”* Introduces the **Self-Ask** prompting method where an LLM asks and answers follow-up questions, and can incorporate a search engine for information[arxiv.org](https://arxiv.org/abs/2210.03350#:~:text=compositional%20reasoning.%20,questions%2C%20which%20additionally%20improves%20accuracy). 2. Shunyu Yao *et al.* (2023). *“ReAct: Synergizing Reasoning and Acting in Language Models.”* Proposes the **ReAct** framework that intermixes reasoning traces (“Thought”) with actions (e.g., API calls) for interactive decision making, improving interpretability and reducing hallucinations[arxiv.org](https://arxiv.org/abs/2210.03629#:~:text=making%2C%20their%20abilities%20for%20reasoning,and%20demonstrate%20its%20effectiveness%20over)[arxiv.org](https://arxiv.org/abs/2210.03629#:~:text=trustworthiness%20over%20methods%20without%20reasoning,code%3A%20%2018%20this%20https). 3. Shunyu Yao *et al.* (2023). *“Tree of Thoughts: Deliberate Problem Solving with Large Language Models.”* Presents **Tree-of-Thoughts**, a method allowing LLMs to explore multiple reasoning paths in a tree structure and backtrack or lookahead for better solutions[arxiv.org](https://arxiv.org/abs/2305.10601#:~:text=initial%20decisions%20play%20a%20pivotal,significantly%20enhances%20language%20models%27%20problem)[arxiv.org](https://arxiv.org/abs/2305.10601#:~:text=that%20serve%20as%20intermediate%20steps,prompts%3A%20%2019%20this%20https). 4. **Auto-GPT** (2023) – *Wikipedia article.* Describes Auto-GPT as an open-source autonomous agent using GPT-4 that given a goal will break it into sub-tasks and attempt to complete them in a loop without human intervention[en.wikipedia.org](https://en.wikipedia.org/wiki/AutoGPT#:~:text=AutoGPT%20is%20an%20open,3)[en.wikipedia.org](https://en.wikipedia.org/wiki/AutoGPT#:~:text=Richards%20developed%20AutoGPT%20to%20create,7). 5. Lucas Memmert & Navid Tavanapour (2023). *“Towards Human-AI Collaboration in Brainstorming: Empirical Insights…”* (ECIS 2023). User study on brainstorming with GPT-3, found AI can stimulate ideas but also risks users **free-riding** (letting the AI do too much)[aisel.aisnet.org](https://aisel.aisnet.org/ecis2023_rp/429/#:~:text=advances%20in%20AI%2C%20however%2C%20generative,We%20thereby%20contribute)[aisel.aisnet.org](https://aisel.aisnet.org/ecis2023_rp/429/#:~:text=setting.%20In%20our%20mixed,ended%20problems). 6. Sangho Suh *et al.* (2023). *“Sensecape: Enabling Multilevel Exploration and Sensemaking with LLMs.”* (UIST 2023). Introduces an interface for hierarchical organization of information when interacting with an LLM, allowing users to handle complex info via levels of abstraction[arxiv.org](https://arxiv.org/abs/2305.11483#:~:text=,complexity%20of%20information%20through%20multilevel)[arxiv.org](https://arxiv.org/abs/2305.11483#:~:text=topics%20and%20structure%20their%20knowledge,and%20interfaces%20for%20information%20tasks). 7. Faria Huq *et al.* (2024). *“NoTeeline: Supporting Real-Time, Personalized Notetaking with LLM-Enhanced Micronotes.”* (CHI 2024). Develops an AI system that expands short “micronotes” into full notes. Reports that users wanted to **maintain agency** over AI assistance and avoid AI introducing errors[arxiv.org](https://arxiv.org/html/2409.16493v2#:~:text=C2,want%20some%20kind%20of%20source)[arxiv.org](https://arxiv.org/html/2409.16493v2#:~:text=match%20at%20L943%20NoTeeline%20achieves,them%20a%20sense%20of%20agency). 8. Zettelkasten Forum Discussion (March 2024). *“Are AI and Zettelkasten compatible?”* – Forum user *andang76* argues that using AI for core note-taking tasks is like *“using a motorcycle for marathon training,”* potentially undermining the cognitive benefits of doing the work oneself[forum.zettelkasten.de](https://forum.zettelkasten.de/discussion/2863/are-ai-and-zettelkasten-compatible-each-other#:~:text=The%20effort%20of%20doing%20these,the%20benefits%20of%20the%20practice)[forum.zettelkasten.de](https://forum.zettelkasten.de/discussion/2863/are-ai-and-zettelkasten-compatible-each-other#:~:text=For%20me%20Zettelkaten%20and%20AI,very%20easy%20to%20misuse%20it). Highlights the importance of human thinking in knowledge work and the caution against over-automation. 9. QSA Documentation (2025). *“Comparisons with Existing Models”* and *“QSA Originality”*. Internal documentation of the QSA project outlining how QSA differs from Self-Ask, ReAct, ToT, etc., and claiming no prior framework covers the full Q→S→A→T cyclefile-g7okhcssvw6xsz14eufd4zfile-g7okhcssvw6xsz14eufd4z. 10. George Pólya (1945). *“How to Solve It.”* Describes Pólya’s famous four-step problem-solving method: **Understand the problem → Devise a plan → Carry out the plan → Look back (reflect)**[en.wikipedia.org](https://en.wikipedia.org/wiki/How_to_Solve_It#:~:text=,4%20Fourth%20principle%3A%20Review%2Fextend). A classical inspiration for structured reasoning frameworks (comparable to QSA’s stages).