THOUGHTDAG 研究

打开 Agent 和模型之间的上下文黑箱

模型下一步的回答取决于它这一轮读到的上下文。下面的报告测量这份上下文，ThoughtDAG 让它可以编辑。

2 篇研究报告 · 1 项合作 · 数据和脚本都在仓库里

研究报告

  1. 2026 年 10 月测量笔记

    Agent 一轮的 token 去了哪里

    1% 到 7%一轮的 token 里，最后给人读的回答只占这么多

    工具调用及其结果占一轮的 42% 到 95%，思考占 4% 到 53%。在 Claude Code 和 DeepSeek Harness 上，下一轮开头的提示里仍带着上一轮的思考。各部分比例反映的是一个人的用法；但每个运行时里，回答都只占少数。

    3,237 轮 · Claude Code、Codex、DeepSeek Harness、Pi · 作者本人 30 天的日志

    阅读 → English 脚本 ↗ 汇总数据 ↗

  2. 2026 年 8 月试点 v2

    上下文修复：一句错话怎样污染后面的对话

    152 → 162个被带偏的结果修好（共 162 个，18 个案例 × 9 个端点）：只删源头，到删掉整个子图

    删掉错误的源头，不等于它已经离开后续的上下文。在 162 个被带偏的结果（18 个案例 × 9 个端点）中，只删源头修好 152 个，重算下游节点修好 161 个，删掉整个受污染子图修好全部 162 个。关掉推理后，只删源头只修好 18 个里的 2 个。

    9 个模型端点 · 1,215 个采集条件 · 0 次采集失败

    阅读 → English 案例 基准与数据 ↗

  3. 2026 年 8 月试点 v1 · 已由 v2 取代

    大模型的上下文修复：第一次试点

    基准在四个端点上的第一次运行，作为归档快照保留；v2 扩展到九个端点，并加入了关闭推理的对照。

    4 个模型端点 · 540 个采集条件

    阅读 → English

合作

  1. 2026 年 10 月起合作

    TraceVista

    TraceVista 把 Agent 的工作流程画成可视化的地图：从全貌逐层展开到每一步动作和原始记录，提问得到的回答都链回证据。它的阅读层沿用了 ThoughtDAG 的缩放摘要。

    与 @Superone77 等合作 · 阅读层与对图提问由 Xia Chen 负责

    在线演示 ↗ GitHub ↗

这些研究怎么发布

引用

@software{chen_thoughtdag_2026,
  author  = {Chen, Xia},
  title   = {ThoughtDAG: an instrument for legible human-AI collaboration},
  year    = {2026},
  url     = {https://github.com/chenxiachan/thoughtdag},
  license = {MIT}
}

GitHub 上的「Cite this repository」按钮读取的是 CITATION.cff 里的同一条目。 CITATION.cff ↗