tree-of-thoughts

Tree of Thoughts：让大模型像人类一样多想几步

一位22岁开发者的逆向工程

2023年，当学术界还在讨论 Chain-of-Thought（思维链）能否提升 AI 推理能力时，22岁的 Kye Gomez 已经把这个问题逆向工程了——他想知道：如果让 AI 不是只走一条链式思路，而是像人类下棋一样，同时探索多条可能的思考路径，效果会怎样？ 答案是一个叫 Tree of Thoughts（ToT） 的提示工程框架。在 Kye 的实现中，他把 OpenAI 2023年5月发表的学术论文，转化成了一个开箱即用的 Python 库。仅靠调整 prompt 策略，在 Game of 24、创意写作、填字游戏等复杂推理任务上，AI 的成功率最高提升了 70%。 这个库在 GitHub 迅速获得 4580 颗星，成为了提示工程领域的标杆项目之一。

它解决的核心问题：AI 总是想当然

用过 ChatGPT 的人大概都遇到过这种情况：问它一道数学题，它迅速给出一个答案——但这个答案可能是错的。原因是 AI 在生成回答时，默认是从左到右的 token 生成模式：它不会停下来评估自己是否走错了方向，而是一路推演到底。 这就像下棋时只考虑下一步最优，而不思考后续三步。Chain-of-Thought（思维链）尝试让 AI 把推理步骤说出来，但本质上仍是单链推理。 Tree of Thoughts 的核心思想：让 AI 主动生成多个思考分支，每个分支代表一种可能的解决思路，然后对这些分支进行评估和剪枝，只保留有前景的方向继续深入。这与人类的问题解决方式高度一致——遇到复杂问题，我们会同时考虑几种方案，边想边排除死胡同。

核心用法：两行代码，让 AI 更聪明

Tree of Thoughts 的使用门槛极低，安装仅需一行命令：

pip install tree-of-thoughts

使用方式也非常直观。项目中内置了两种搜索策略：BFS（广度优先搜索） 和 DFS（深度优先搜索），分别对应不同的使用场景：

from tree_of_thoughts import TotAgent, ToTDFSAgent
from dotenv import load_dotenv

load_dotenv()
tot_agent = TotAgent(use_openai_caller=False)
dfs_agent = ToTDFSAgent(
    agent=tot_agent,
    threshold=0.8,
    max_loops=15,
    prune_threshold=0.5,
    number_of_agents=4
)
initial_state = "用4个数 [3, 3, 8, 8]，通过加减乘除得到24"
final_thought = dfs_agent.run(initial_state)
print(final_thought)

在 examples/ 目录下，项目还提供了 BFS 和 DFS 的完整示例脚本。DFS 适合需要深入探索单一路径的场景（如复杂数学证明），BFS 则适合需要广泛探索多种可能性的场景（如创意写作）。

底层原理：三层模块的协同

从代码结构来看，该项目包含三个核心模块：

上手门槛与局限

优势：

• 安装极简：pip install tree-of-thoughts
• 代码量小，逻辑清晰，容易二次开发
• 支持多种 LLM 后端（OpenAI、Claude 等），通过 swarm-models 统一抽象
• 完全开源（Apache-2.0），可商用 局限：
• 无 Web UI，纯 Python API 调用，需要一定编程基础
• 无 Docker 支持，无法一键部署
• 推理成本较高：多分支探索意味着更多的 LLM 调用次数（可能是单链推理的 3-10 倍）
• 不支持本地模型直接调用，需通过 API 访问远程 LLM 适合场景： 有 Python 开发能力的 AI 开发者，希望在自己的 AI 应用中加入更强推理能力的团队。 不太适合： 无编程背景的用户，或需要在本地离线运行的场景。

行业意义：从提示工程到 AI 算法

Tree of Thoughts 的出现，标志着提示工程从写好一句话演进到设计好一个推理流程。过去，提升 AI 能力往往意味着训练更大的模型；而 ToT 类框架证明，通过改变推理结构，即使是相同的基础模型，也能在复杂任务上实现质的飞跃。 这一思路与强化学习中的 Monte Carlo Tree Search（MCTS）有异曲同工之妙——都是在有限计算资源下，通过结构化搜索来逼近最优解。Kye Gomez 将这一思想引入提示工程领域，为构建更强大的 AI 应用提供了新的工具箱。

本报告基于 GitHub 公开信息生成，分析时间：2026-06-01。图片因网络代理限制无法获取。