Giới thiệu
ThoughtDAG giải quyết một lỗi quen thuộc của chat dài: giao diện cho bạn thấy lịch sử đã nói, nhưng không cho thấy chính xác phần nào sẽ đi vào prompt tiếp theo. Dự án dùng graph để biến context thành dữ liệu có cấu trúc.
Quy tắc trung tâm là: wire là context. Khi hỏi từ một node, chỉ các node upstream được nối vào request. Nếu xóa một edge, nhánh đó rời khỏi context thật sự, không chỉ biến mất khỏi màn hình.
Tính năng chính
- Tạo node cho câu hỏi, câu trả lời, đoạn trích và nguồn.
- Clip nội dung từ PDF kèm page provenance.
- Xem trước source nodes, thứ tự và token count trước khi gửi request.
- Xóa hoặc thêm edge để kiểm soát nhánh nào đi vào model.
- Dùng cùng một prompt với context khác nhau để so sánh kết quả.
Trong demo, một nhánh không liên quan về bữa tối làm bẩn bản tóm tắt nghiên cứu. Sau khi xóa edge, ThoughtDAG cho thấy context giảm 47 tokens và câu trả lời không còn lẫn thông tin bữa tối.
Cách sử dụng
ThoughtDAG hợp với workflow nghiên cứu dài, phân tích tài liệu, support ticket nhiều nhánh hoặc RAG prompt cần provenance rõ. Thay vì để model hoặc UI tự chọn memory, người dùng xem và chỉnh chính context sẽ được gửi.
Tác giả cho biết dự án local-first, MIT licensed, hỗ trợ Ollama và OpenAI-compatible endpoints. Đây là điểm tốt nếu bạn muốn kiểm soát nguồn và model, nhưng cũng là giới hạn: nếu team sống trong editor, issue tracker hoặc coding agent sẵn có, một app riêng có thể khó thành thói quen.
Ý nghĩa với Dev
Thông điệp thực dụng không phải là mọi người cần canvas mới. Thông điệp là context phải audit được. Với agent làm việc nhiều bước, một UI tốt nên trả lời được ba câu hỏi: model sắp đọc gì, tại sao phần đó được chọn, và làm sao loại bỏ phần bẩn mà không bắt đầu lại từ đầu.