聊得越久，AI 越容易把不相干的旧话带进新回答。比如你一边整理研究资料，一边问晚餐吃什么，后面的研究摘要可能也会冒出“吃火锅”的建议。ThoughtDAG 想解决的，就是让用户直接决定哪些历史该交给模型阅读。
它把线性聊天记录改成可编辑的上下文图。图中的节点是消息，连线则代表“这段内容会进入下一次请求”。用户可以预览模型将收到哪些旧内容，也能删掉连线，排除过时、无关或冲突的信息。在项目展示里，研究讨论误连了晚餐分支；删除一条橙色连线后，上下文减少 47 个 token——token 是模型处理文字时使用的基本单位。随后用完全相同的提示重新生成，火锅建议便不再出现。
这套界面的价值不在于替模型增加隐藏记忆，而在于把“它看见了什么、为什么看见、删掉了什么”公开摆在图上。分支思路也能从旧节点另开一路，并选择性复用共同资料。不过现有材料主要是产品演示，尚未披露系统实现、适用模型或系统性评测。