O ThoughtDAG é um espaço de trabalho local-first e de código aberto que trata as arestas da conversa como o mecanismo para controlar o contexto do modelo. Cada troca de pergunta e resposta funciona como um nó, e apenas os nós conectados a montante são serializados na próxima solicitação ao modelo.
- Remover uma aresta elimina esse ramo da entrada real, em vez de apenas da visualização.
- O autor está conduzindo um benchmark piloto com três famílias de perturbação: ramos plausíveis irrelevantes, suposições desatualizadas e evidências conflitantes.
- As comparações usam configurações fixas para evidência limpa (C0), contexto poluído (C1), remoção explícita do gráfico (C2) e sumarização automática (C3).
- A ferramenta suporta Ollama para inferência local e endpoints arbitrários compatíveis com OpenAI, armazenando todos os dados localmente.
O autor está buscando feedback de usuários que executam modelos locais sobre combinações adequadas de modelo/contexto, casos de contaminação do mundo real ausentes e a utilidade da poda explícita versus recuperação em janelas de contexto menores.