ThoughtDAG es un espacio de trabajo local-first de código abierto que trata los bordes de la conversación como el mecanismo para controlar el contexto del modelo. Cada intercambio de pregunta y respuesta funciona como un nodo, y solo los nodos conectados aguas arriba se serializan en la siguiente solicitud al modelo.
- Eliminar un borde elimina esa rama de la entrada real en lugar de solo la visualización.
- El autor está ejecutando una prueba piloto con tres familias de perturbaciones: ramas plausibles irrelevantes, supuestos desactualizados y evidencia conflictiva.
- Las comparaciones utilizan configuraciones fijas a través de evidencia limpia (C0), contexto contaminado (C1), eliminación explícita del gráfico (C2) y resumen automático (C3).
- La herramienta soporta Ollama para inferencia local y puntos finales arbitrarios compatibles con OpenAI, almacenando todos los datos localmente.
El autor busca comentarios de usuarios que ejecutan modelos locales sobre combinaciones adecuadas de modelo/contexto, casos de contaminación del mundo real faltantes y la utilidad de la poda explícita frente a la recuperación en ventanas de contexto más pequeñas.