ThoughtDAG: Um Grafo de Contexto Editável para Conversas com LLM
ThoughtDAG é um aplicativo de desktop que substitui o registro de chat linear por um grafo de contexto editável. Em vez de esconder quais partes de uma conversa alimentam a próxima solicitação, o ThoughtDAG mostra a estrutura — e permite que você a altere. A ideia central: o grafo é o contexto.
Fios como contexto
No ThoughtDAG, os nós são fontes e mensagens; as arestas (fios) determinam o que é incluído na próxima solicitação do LLM. Você pode recortar uma passagem de um PDF, fazer uma pergunta diretamente de um nó de fonte ou criar um ramo não relacionado para um desvio — tudo isso mantendo o caminho principal limpo.
- Ramificar: explore uma interpretação alternativa sem sobrescrever seu caminho atual.
- Podar: mantenha um desvio útil no canvas, mas exclua-o da próxima solicitação.
- Mesclar: traga evidências selecionadas e caminhos de raciocínio de volta juntos em uma resposta.
- Inspecionar: pré-visualize exatamente o que o modelo receberá antes da geração — incluindo ordem e contagem de tokens.
Uma regra rege tudo: Os fios são contexto. Sem seletor de memória oculto. Excluir uma aresta realmente remove esse ramo do prompt — não é apenas um auxílio visual.
Diffs visíveis e respostas reproduzíveis
A interface mostra um diff de tokens quando você altera arestas. Por exemplo, remover um desvio não relacionado sobre o jantar economiza 47 tokens. E como o prompt é determinístico a partir do grafo, o mesmo prompt regenera a mesma resposta limpa — contexto reproduzível.
Resultados do piloto
ThoughtDAG inclui um Piloto de Reparo de Contexto com 4 modelos e 540 execuções. Ele testou três maneiras de remover um ramo desatualizado de uma resposta mesclada:
- Excluir apenas a fonte: 68/72 corrigidos
- Recomputar a jusante: 71/72 corrigidos
- Remover todo o subgrafo: 72/72 corrigidos
O piloto demonstra que o reparo de contexto funciona melhor quando você poda todo o subgrafo ofensor — exatamente o que a edição de grafo do ThoughtDAG permite.
Aplicativo de desktop
O aplicativo está disponível como build para desktop (v0.3.19):
- macOS (Apple Silicon): .dmg ≈126MB, assinado e notarizado
- Windows x64: instalador ≈106MB (não assinado; o SmartScreen mostra um aviso)
- Linux x64: .AppImage ≈133MB
Todas as versões e histórico estão nos Releases do GitHub. O build para macOS roda sem terminal; o build para Windows exige clicar em "Mais informações" e depois "Executar assim mesmo" no SmartScreen.
Para quem é
Isto é para desenvolvedores e pesquisadores que usam LLMs para tarefas longas e complexas de raciocínio e precisam controlar exatamente qual contexto vai para cada prompt — sem a poluição de desvios de chat não relacionados.
📖 Leia a fonte completa: HN AI Agents
👀 See Also

Nexus: Protocolo de IA para IA de Código Aberto com Descoberta, Confiança e Pagamentos
Nexus é um protocolo auto-hospedado que permite que agentes de IA se descubram, negociem termos, verifiquem respostas e lidem com micropagamentos sem intervenção humana. Inclui cinco camadas: descoberta, confiança, protocolo, roteamento e federação, com 66 testes e licenciamento MIT.

Assistente de Desktop JARVIS de Código Aberto Construído com Claude Code em 2 Dias
Um desenvolvedor criou um assistente de IA para desktop macOS chamado JARVIS em 1-2 dias usando Claude Code como ferramenta principal de desenvolvimento. O aplicativo apresenta uma interface holográfica, 18 ferramentas nativas para controle do sistema, interface de voz e integrações com Gmail, Google Calendar, Notion, GitHub e Obsidian.

Bot do Telegram para Controle CLI do Código Claude via Celular
Um desenvolvedor criou um bot do Telegram que faz ponte com o CLI do Claude Code, permitindo controle via comandos móveis como /commit, /code_review e /simplify. O bot descobre automaticamente habilidades personalizadas, processa fotos/documentos/notas de voz e suporta sessões de chat em grupo.
Mesh LLM: Computação Distribuída de IA no Iroh – Execute LLMs em Suas Próprias GPUs
Mesh LLM agrupa GPUs que você já possui em várias máquinas e as expõe como uma única API compatível com OpenAI. Distribui modelos localmente, via roteamento entre pares ou como um pipeline em vários nós usando o transporte QUIC do iroh.