不将所有AI对话做成Graph View节点的原因：5BY.AI的上下文边界
与AI对话时，问答会不断增加。
如果将所有对话视觉化保留，看起来可能像更完整的记忆。但如果将每个问题和每个回答都做成节点，对话量会凌驾于重要判断之上占据画面。
5BY.AI Graph View不将所有Raw对话做成直接节点。
所有对话都可以是记录的一部分，但并非所有对话都是独立的思考单位。
AI对话中混合了多种流程
一个长对话中可能同时存在以下内容。
- 新的问题定义
- 重要的反驳
- 设计方向的改变
- 简短的确认提问
- 句子表达修改
- 同一说明的重复
- 输出格式变更
- 一次性计算
如果将所有这些项以同一水平的节点显示，用户会难以找到实际思考在哪里发生了转变。
Raw是整个对话的源泉
Raw是由用户提问和AI回答构成的基本流程。
保留Raw的原因是为了能够确认原来的对话如何进行。尚未确定意义的探索和迂回也留在Raw中。
但Raw的存在与成为Graph View的节点是不同的问题。
Pack是上下文边界形成的段落
Pack是一个问题和思考方向形成的对话段落。
当问题定义改变或判断标准变化、探索转向原因调查或执行判断时，可能形成新的Pack。
Pack不是按对话量而是按上下文变化来区分。
Saved和Anchor是用户的选择
即使Raw未包含在Pack中，如果用户想要再次查看，也可以留为Saved。
此外，经过多个对话后如果需要重新开始的基准点，可以创建Anchor。
这样即使系统不将所有对话做成节点，用户也能直接留下重要时刻和基准点。
节点越多不一定越好
节点过多会产生以下问题。
- 重要的方向转变被淹没在短的修改中。
- 需要不断打开相似的小节点。
- 难以了解Anchor在什么上下文中创建。
- Handoff所需的出发上下文被碎片化。
- 视觉结构变得与对话日志相似。
好的Graph View不是展示最多内容的画面。而是清晰展示重新开始思考所需的边界和用户选择的画面。
部分Raw留在Pack之外是正常的
短的问候、表达变更、重复确认和未产生新判断的对话可能留在Pack之外。
这不是遗漏。而是不对每个时刻强行附加标题和意义的设计。
如果Raw是水流，Pack就是那水流中形成的岛屿。岛屿之间存在水是自然的。
Graph View不是重要度排行榜
画面上出现节点不意味着成为更重要的记忆。
Pack表示上下文边界，Saved和Anchor表示用户选择的角色。不以节点数或连接数决定用户的最终判断。
必须能够重新进入
Graph View的目的不是一次展示所有消息。
而是帮助用户回答以下问题。
- 在哪里重新定义了问题
- 想要重新查看哪些对话
- 哪里有重新开始的基准点
- 从哪个Anchor移动到了新对话
Raw保留整体流程。Pack展示思考边界。Saved让人回到特定对话，Anchor提供下一步工作的出发点。
不将所有对话做成节点不是为了丢弃信息。
而是为了让用户更清晰地看到实际思考的边界，并能够重新进入需要的位置。