Une nouvelle approche, baptisée ThoughtDAG, propose de transformer les interactions avec les grands modèles de langage (LLM) en un graphe de contexte entièrement éditable.
Développée pour pallier les limites des interfaces de chat linéaires, souvent inadaptées aux raisonnements complexes et à la gestion de contextes étendus, ThoughtDAG permet aux utilisateurs de visualiser, d’éditer et de manipuler le flux de leur conversation avec un LLM.
Au lieu d’un historique séquentiel, le système représente le contexte conversationnel comme un graphe acyclique dirigé (DAG). Chaque nœud de ce graphe peut être modifié, de nouveaux éléments ajoutés, ou des parties existantes réorganisées, offrant une flexibilité inédite pour structurer la pensée.
Cette visualisation interactive facilite la gestion de tâches de raisonnement complexes, permettant d’explorer différentes pistes ou de revenir sur des étapes antérieures. Le projet, disponible en open-source sur GitHub, offre ainsi une interface visuelle pour affiner les processus cognitifs assistés par l’IA.
Cette initiative pourrait redéfinir la manière dont les utilisateurs interagissent avec les systèmes d’IA pour des tâches exigeant une compréhension et une manipulation contextuelle approfondies.
Source : Hacker News (Algolia)