不將所有AI對話做成Graph View節點的原因：5BY.AI的上下文邊界
與AI對話時，問答會不斷增加。
如果將所有對話視覺化保留，看起來可能像更完整的記憶。但如果將每個問題和每個回答都做成節點，對話量會凌駕於重要判斷之上佔據畫面。
5BY.AI Graph View不將所有Raw對話做成直接節點。
所有對話都可以是記錄的一部分，但並非所有對話都是獨立的思考單位。
AI對話中混合了多種流程
一個長對話中可能同時存在以下內容。
- 新的問題定義
- 重要的反駁
- 設計方向的改變
- 簡短的確認提問
- 句子表達修改
- 同一說明的重複
- 輸出格式變更
- 一次性計算
如果將所有這些項以同一水平的節點顯示，使用者會難以找到實際思考在哪裡發生了轉變。
Raw是整個對話的源泉
Raw是由使用者提問和AI回答構成的基本流程。
保留Raw的原因是為了能夠確認原來的對話如何進行。尚未確定意義的探索和迂迴也留在Raw中。
但Raw的存在與成為Graph View的節點是不同的問題。
Pack是上下文邊界形成的段落
Pack是一個問題和思考方向形成的對話段落。
當問題定義改變或判斷標準變化、探索轉向原因調查或執行判斷時，可能形成新的Pack。
Pack不是按對話量而是按上下文變化來區分。
Saved和Anchor是使用者的選擇
即使Raw未包含在Pack中，如果使用者想要再次查看，也可以留為Saved。
此外，經過多個對話後如果需要重新開始的基準點，可以創建Anchor。
這樣即使系統不將所有對話做成節點，使用者也能直接留下重要時刻和基準點。
節點越多不一定越好
節點過多會產生以下問題。
- 重要的方向轉變被淹沒在短的修改中。
- 需要不斷開啟相似的小節點。
- 難以瞭解Anchor在什麼上下文中創建。
- Handoff所需的出發上下文被碎片化。
- 視覺結構變得與對話日誌相似。
好的Graph View不是展示最多內容的畫面。而是清晰展示重新開始思考所需的邊界和使用者選擇的畫面。
部分Raw留在Pack之外是正常的
短的問候、表達變更、重複確認和未產生新判斷的對話可能留在Pack之外。
這不是遺漏。而是不對每個時刻強行附加標題和意義的設計。
如果Raw是水流，Pack就是那水流中形成的島嶼。島嶼之間存在水是自然的。
Graph View不是重要度排行榜
畫面上出現節點不意味著成為更重要的記憶。
Pack表示上下文邊界，Saved和Anchor表示使用者選擇的角色。不以節點數或連接數決定使用者的最終判斷。
必須能夠重新進入
Graph View的目的不是一次展示所有消息。
而是幫助使用者回答以下問題。
- 在哪裡重新定義了問題
- 想要重新查看哪些對話
- 哪裡有重新開始的基準點
- 從哪個Anchor移動到了新對話
Raw保留整體流程。Pack展示思考邊界。Saved讓人回到特定對話，Anchor提供下一步工作的出發點。
不將所有對話做成節點不是為了丟棄資訊。
而是為了讓使用者更清晰地看到實際思考的邊界，並能夠重新進入需要的位置。