ThoughtDAG: Ein editierbarer Kontextgraph für LLM-Gespräche

ThoughtDAG ist eine Desktop-App, die den linearen Chatverlauf durch einen editierbaren Kontextgraphen ersetzt. Anstatt zu verbergen, welche Teile einer Konversation die nächste Anfrage speisen, zeigt ThoughtDAG die Struktur – und ermöglicht es Ihnen, sie zu ändern. Die Kernidee: Der Graph ist der Kontext.

Verbindungen als Kontext

In ThoughtDAG sind Knoten Quellen und Nachrichten; Kanten (Verbindungen) bestimmen, was in die nächste LLM-Anfrage aufgenommen wird. Sie können eine Passage aus einer PDF-Datei ausschneiden, eine Frage direkt aus einem Quellknoten stellen oder einen unabhängigen Zweig für einen Umweg erstellen – während der Hauptpfad sauber bleibt.

• Verzweigen: Erkunden Sie eine alternative Interpretation, ohne Ihren aktuellen Pfad zu überschreiben.
• Beschneiden: Behalten Sie einen nützlichen Umweg auf der Leinwand, schließen Sie ihn jedoch von der nächsten Anfrage aus.
• Zusammenführen: Bringen Sie ausgewählte Beweise und Argumentationspfade in einer Antwort wieder zusammen.
• Inspizieren: Zeigen Sie genau an, was das Modell vor der Generierung erhalten wird – einschließlich Reihenfolge und Token-Anzahl.

Eine Regel bestimmt alles: Verbindungen sind Kontext. Kein versteckter Speicherauswahl. Das Löschen einer Kante entfernt tatsächlich diesen Zweig aus der Eingabeaufforderung – es ist nicht nur eine visuelle Hilfe.

Sichtbare Unterschiede und reproduzierbare Antworten

Die Oberfläche zeigt einen Token-Unterschied an, wenn Sie Kanten ändern. Zum Beispiel spart das Entfernen eines nicht zusammenhängenden Umwegs über das Abendessen 47 Token. Und da die Eingabeaufforderung deterministisch aus dem Graphen abgeleitet wird, erzeugt dieselbe Eingabeaufforderung dieselbe saubere Antwort – reproduzierbarer Kontext.

Pilot-Ergebnisse

ThoughtDAG enthält einen Context-Repair-Pilot mit 4 Modellen und 540 Läufen. Er testete drei Möglichkeiten, einen veralteten Zweig aus einer zusammengeführten Antwort zu entfernen:

• Nur Quelle löschen: 68/72 behoben
• Nachgelagert neu berechnen: 71/72 behoben
• Gesamten Teilgraphen entfernen: 72/72 behoben

Der Pilot zeigt, dass die Kontextreparatur am besten funktioniert, wenn Sie den gesamten problematischen Teilgraphen beschneiden – genau das ermöglicht die Graphenbearbeitung von ThoughtDAG.

Desktop-App

Die App ist als Desktop-Build (v0.3.19) verfügbar:

• macOS (Apple Silicon): .dmg ≈126MB, signiert und notariell beglaubigt
• Windows x64: Installer ≈106MB (unsigniert; SmartScreen zeigt eine Warnung)
• Linux x64: .AppImage ≈133MB

Alle Versionen und die Historie finden Sie auf GitHub Releases. Der macOS-Build läuft ohne Terminal; der Windows-Build erfordert, dass Sie bei SmartScreen auf "Weitere Informationen" und dann "Trotzdem ausführen" klicken.

Für wen es gedacht ist

Dies ist für Entwickler und Forscher, die LLMs für lange, komplexe Denkaufgaben verwenden und genau steuern müssen, welcher Kontext in jede Eingabeaufforderung einfließt – ohne die Verschmutzung durch nicht zusammenhängende Chat-Umwege.