ThoughtDAG est un espace de travail open source et local-first qui traite les arêtes de conversation comme le mécanisme de contrôle du contexte du modèle. Chaque échange question-réponse fonctionne comme un nœud, et seuls les nœuds amont câblés sont sérialisés dans la prochaine requête au modèle.
- La suppression d'une arête élimine cette branche de l'entrée réelle plutôt que simplement de la visualisation.
- L'auteur effectue un benchmark pilote avec trois familles de perturbations : branches plausibles non pertinentes, hypothèses obsolètes et preuves contradictoires.
- Les comparaisons utilisent des paramètres fixes pour les preuves propres (C0), le contexte pollué (C1), la suppression graphique explicite (C2) et la résumation automatique (C3).
- L'outil prend en charge Ollama pour l'inférence locale et des points de terminaison arbitraires compatibles OpenAI, stockant toutes les données localement.
L'auteur sollicite les retours d'utilisateurs exécutant des modèles locaux concernant les combinaisons modèle/contexte appropriées, les cas manquants de contamination du monde réel, et l'utilité de l'élagage explicite par rapport à la récupération dans des fenêtres de contexte plus petites.