ThoughtDAG：让LLM对话拥有可编辑的上下文有向无环图

上下文的历史在这里。哪些部分会进入下一次请求？

效果仅出现在实验组中

这个证据实际上意味着什么？

今晚吃什么？

这段历史不应该进入研究摘要。

研究摘要……另外，考虑今晚吃火锅。

提示词保持不变。被污染的上下文改变了答案。

预览模型将收到的内容

删除橙色边后：−47 个 token

晚餐的岔路离开了上下文

给我一个要点总结

文字完全相同。只有一条边改变了。

一：记录数据库版本。二：使用独立审查者。三：通过第三方审查者解决冲突。

不相关的晚餐建议消失了。

没有隐藏的记忆选择器。模型看到了什么、为什么看到、删除了什么，都在图中可见。

聊天记录很长。上下文仍然不可见。

界面显示的是说了什么，而不是哪段历史会进入下一次请求。

从源头提问。剪辑重要的内容。

从选定的段落提问，或将某个段落或图片转换为自己的关联源节点。来源始终附着在内容上；上下文仍由你来连接。

发送前，检查模型将读取的内容。

预览源节点、顺序和 token 数量。上下文不再是隐藏的决策。

删除一条边。再问一次同样的问题。

被删除的分支确实离开了请求。答案随着上下文而改变。

大多数画布只是组织信息。ThoughtDAG 编辑上下文。

你决定什么进入、什么离开。图谱是生成前的上下文协议。

图谱不是上下文的图片。图谱就是上下文。

ThoughtDAG 遍历节点的所有入边，对相关祖先进行排序，然后构建发送给选定模型的消息序列。结构始终可见、可编辑、可检查。

在不完全覆盖当前路径的情况下，探索另一种解读。

将有用的岔路保留在画布上，同时将其排除在下次请求之外。

将选定的证据和推理路径重新汇聚到一个答案中。

在生成前预览模型将收到的内容。没有隐藏的记忆选择。

带到桌面

同一个应用，独立窗口，封装本地引擎。无需 Node，无需终端。

所有版本和历史记录均托管在 GitHub Releases 上。