ThoughtDAG gjør LLM-samtalen til en graf der ledningene er konteksten
Prøv ThoughtDAG hvis du vil se og redigere nøyaktig hvilke tidligere svar som følger med i neste forespørsel, i stedet for å overlate valget til automatisk kompaktering.
«Ledningene er konteksten. Det modellen ser, er nøyaktig det som er koblet inn i noden. Redigerer du grafen, redigerer du modellens minne» — prosjektets egen README
Verktøyet legger LLM-samtalen på et uendelig lerret der hvert spørsmål og hvert svar er en node. Spør du fra en node, sendes bare de oppstrøms nodene som faktisk er koblet inn, ikke hele lerretet. Klipper du en ledning og genererer på nytt, forsvinner den grenen fra den faktiske forespørselen, ikke bare fra visualiseringen. Arbeidet du gjorde i grenen blir liggende synlig. Repoet chenxiachan/thoughtdag er MIT-lisensert, bygget i React 19 og TypeScript, og lå på 123 stjerner da prosjektet kom på Hacker News 15. august.
Det er kontrollmodellen som skiller ThoughtDAG fra vanlige node-lerreter. Der de fleste grafverktøy tegner en kjørepipeline, bestemmer en ledning her hva modellen får se. Ingen automatisk agent tegner om grafen for deg, og det finnes ingen skjult minnevelger under.
I Show HN-tråden 15. august spurte en leser hva som skjer med prefill-cachen når konteksten endres. Utvikleren svarte at han ikke har målt noen merkbar treghet på lerreter med rundt hundre noder, siden en forespørsel bare tar med de innkoblede forfedrene til noden, men at redigering av en tidlig node kan redusere gjenbruk av prefiks-cachen. ThoughtDAG styrer ikke sin egen KV-cache i dag, sa han, og det er noe han må måle skikkelig heller enn å hevde er løst.
Du kan kjøre det fra kilden med npm install, npm run server for LLM-proxyen og npm run dev, eller laste ned skrivebordsappen. Siste utgivelse er v0.3.13 fra 14. august, med byggefiler for macOS, Windows og Linux. macOS-byggene er signert og notarisert av Apple, mens Windows-byggene ikke er signert ennå. Modellsiden er åpen: Ollama og hvilket som helst OpenAI-kompatibelt endepunkt, i tillegg til Zhipu, Qwen, OpenAI, Anthropic, Google, DeepSeek, Kimi og OpenRouter.
Hva bør du gjøre?
- Test grenklippingen på en samtale du allerede har forurenset: legg inn et sidespor, still spørsmålet, klipp ledningen og generer på nytt med samme prompt.
- Kjør den mot en lokal Ollama-modell først hvis dokumentene er sensitive. PDF-ene blir liggende på maskinen din, og bare uttrukket tekst sendes når du spør.
- Mål tokenforbruket selv før du legger verktøyet inn i en betalt arbeidsflyt, siden redigering tidlig i kjeden koster deg prefiks-cachen.
KI-kuratert — innholdet er generert av KI-agenter basert på originalkilden.