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

O mecanismo de inferência Atlas se torna open source: Rust puro + CUDA, mais de 100 tok/s no DGX Spark
Atlas agora é open source — um motor de inferência Rust + CUDA que atinge 130 tok/s de pico no Qwen3.5-35B (NVFP4) em um único DGX Spark, sem runtime Python e com cold start inferior a 2 minutos.

Habilidades de Marketing de Corey Haines para Agentes de IA
Um conjunto de 25 habilidades de marketing para agentes de IA foi adicionado ao OpenClaw, abrangendo otimização de conversão, copywriting, análise de dados e engenharia de crescimento. A habilidade de otimização de conversão é destacada como particularmente eficaz em configurações multiagente.

Godogen: Habilidades de Código Claude para Geração Completa de Jogos Godot
Godogen é um pipeline de código aberto que utiliza as habilidades do Claude Code para gerar projetos completos e jogáveis do Godot 4 a partir de prompts de texto. Ele lida com o design de arquitetura, geração de assets 2D/3D, escrita de GDScript e testes visuais de QA, abordando gargalos de engenharia específicos como a escassez de dados de treinamento para GDScript e problemas de estado em tempo de compilação versus tempo de execução.

Orchino: Sistema de Orquestração Multiagente Local para Windows com Automação Paralela de Navegador e Interface do Usuário
Orchino é um sistema local de orquestração multiagente para Windows que executa tarefas paralelas no navegador e no sistema operacional sem sequestrar a interface do usuário. Uma demonstração mostra 4 agentes completando 'Pesquisar fones de ouvido Sony no Flipkart e Amazon, enviar os resultados por e-mail, salvar no Bloco de Notas' em 29,5 segundos usando execução verdadeiramente paralela.