聊天都在这里,可下一次到底会带上哪些内容?
ThoughtDAG
思考值得一张地图
连线即上下文
ThoughtDAG 是开源的 AI 对话画布,让模型的上下文看得见、改得动、测得出。
向下滚动
实验结果
这个效应只在实验条件下出现
保留出处 · 尚未连入这段证据究竟意味着什么?
原文已进入上下文今晚吃什么?
这段对话不该进入研究总结。
仍在上下文中研究总结……另外,晚饭可以吃火锅。
问题没变,混进来的上下文却改变了答案。
混入无关分支生成前,先看看模型会读到什么
这次会带上:
研究问题 证据 A 晚饭话题删掉橙色连线后:减少 47 tokens
晚饭话题已移出上下文
同一个问题 · 再生成一次请用要点总结
问题一字未改,只有一条连线变了。
上下文可复现要点一:记录数据库版本。要点二:双人独立筛选。要点三:冲突由第三人仲裁。
回答里不再出现无关的晚饭建议。
答案已更新连线即上下文
不必把上下文筛选交给藏在系统里的黑盒。模型看到了什么、为什么会看到、哪些内容被删掉,图上都清清楚楚。
可见 可编辑 可追溯聊天越聊越长,上下文反而越来越模糊。
界面记下了说过的话,却没告诉你:下一次,究竟哪些内容会发给模型。
从原文直接追问,
也把重要的摘到画布。
选中原文就能直接追问,也能把文字或图像摘成带出处的独立节点。出处会保留,是否进入上下文仍由你连线决定。
生成之前,先看清模型的上下文。
来源、顺序和 token 用量一目了然。上下文不再由系统悄悄决定。
剪掉一条线。
同一个问题,
再问一次。
这条分支会真正退出上下文;问题没变,答案会随着上下文改变。
很多画布只是在整理信息。ThoughtDAG 让你直接编辑模型的上下文。
什么进入,什么退出,由你决定。图不是回答生成后的装饰,而是生成前的上下文协议。