如果把单次 CoT 看作一条候选路径，ToT 则把问题表示为可扩展、可评估的候选状态树。它会探索多条路径、保留有希望的分支，并剪去较差分支。
一、思维链（CoT）的局限性
CoT 通过”一步一步思考”引导 AI 沿着一条线性的路径进行推理，在大多数情况下很有效。但如果，这条线索从一开始就走偏了呢？
想象一下这个场景：你是书店老板，经营困难，需要 AI 帮你设计一个周末引流活动。
CoT 的做法——单一路径：
你是一位经验丰富的营销专家。我有一家经营困难的实体书店，
请帮我设计一个周末引流活动方案。请一步一步地思考，并给出一个完整的计划。CoT 可能的输出：
好的，我们来一步步规划：
1. 确定活动主题：我们可以做一个"全场图书8折"的促销活动。
2. 宣传方式：在店门口贴海报，并发放传单。
3. 活动准备：准备好打折标签和宣传物料。
4. 活动执行：周末两天执行打折活动。
最终方案：周末全场图书8折促销。这个方案可行，但非常普通，缺乏创意。CoT 的”实习生”接到任务后说：“好的老板，我按这个思路，第一步做 A，第二步做 B，第三步做 C，这是结果。“——它没有考虑过是否还有更好的路。
单次 CoT 的常见局限：
- 它通常只给出一条候选路径，早期假设出错会影响后续结果。
- 单次调用缺少显式的候选比较和验证机制。
- 对开放性任务，可增加候选方案、评价标准和人工判断；不必把所有这类任务都称为 ToT。
二、什么是思维树（ToT）？
核心概念
思维树（Tree of Thoughts，简称 ToT） 是一种有意搜索的推理框架。它的核心思想是：
在每一个关键的”岔路口”，停下来，生成多个候选方案，评估它们，选择最优的继续前进。
ToT 的”实习生团队” 会这样工作：
“老板，针对您的问题，我们团队在第一步同时想出了方案 A、B、C。我们快速评估了一下，发现方案 A 可能成本太高，方案 C 和我们的目标不太相关。所以我们决定，集中精力沿着方案 B 这条路继续深入探索下去，并在下一步再进行同样的比较和选择。”
工作原理
ToT 的核心是一个循环过程：“生成候选状态 → 评估 → 扩展有希望的分支 → 剪枝或回溯”。
它将一个问题分解成多个思考步骤，并在每一步中：
- 生成（Generate）：生成多个独立的”想法”或”中间步骤”（Thoughts）。
- 评估（Evaluate）：对这些想法进行评价和打分，判断它们的价值和可行性。
- 搜索（Search）：保留有希望的状态，按策略扩展、回溯或剪枝，而不只是在一次对话中选一个方案。
这个过程就像从树根开始，不断生长出新的分枝，同时剪掉那些看起来不会结果的”枯枝”，最终找到通往树顶最茂盛果实的那条路径。
三、实战对比：同一个问题，CoT vs ToT
回到书店引流活动的案例。下面是一种受 ToT 启发的多方案决策工作流：它适合日常协作，但不等同于论文中完整的树搜索实现。
第 1 轮 —— 生成初始想法：
你是一位经验丰富的营销专家。我有一家经营困难的实体书店，
需要一个周末引流活动。请首先构思出 3 个完全不同方向的活动初步想法，
并分别用一句话概括。ToT 可能的输出：
想法 A（促销导向）：举办大力度的"购书满减"或"会员日折扣"活动。
想法 B（体验导向）：举办一场"与本地作家面对面"的签售分享会。
想法 C（社区导向）：发起一个"旧书换绿植"的环保主题社区活动。第 2 轮 —— 评估与选择：
很好。现在，请你分析这三个想法的优缺点，
并从"创意性""执行成本""长期吸引力"三个维度，
为它们打分（满分 5 分），并解释为什么。
最后，告诉我你最推荐哪一个。ToT 可能的输出：
想法 A（促销导向）：
- 创意性：2 分——非常传统，缺乏新意。
- 执行成本：4 分——只需调整价格和制作海报。
- 长期吸引力：2 分——打折结束，客流就散。
综合推荐度：一般。
想法 B（体验导向）：
- 创意性：4 分——作家面对面很有吸引力。
- 执行成本：2 分——需要联系嘉宾、布置场地、协调时间。
- 长期吸引力：3 分——能留住一些对文学感兴趣的客人。
综合推荐度：不错，但实施门槛较高。
想法 C（社区导向）：
- 创意性：5 分——旧书换绿植，新颖且有环保理念。
- 执行成本：3 分——需要采购绿植和宣传物料。
- 长期吸引力：5 分——建立社区联系，可能形成持续的口碑传播。
综合推荐度：最优！
我最推荐想法 C（社区导向），因为它最有创意，能建立长期客户关系。第 3 轮 —— 深化最优解：
同意。那我们就聚焦在"旧书换绿植"这个想法上。
现在，请为这个活动设计一个详细的、可执行的步骤方案，
包括前期宣传、活动流程、物料准备和成本预估。通过这三轮对话，工作流产出了一个经过多方向比较的方案。它未必天然优于单次 CoT：结果仍取决于评价标准、成本约束和人工复核。
四、CoT 与 ToT 核心对比
| 特性 | 思维链（CoT） | 思维树（ToT） |
|---|---|---|
| 核心比喻 | 一条链条，线性思维 | 一棵大树，发散与收敛 |
| 思考过程 | 单一路径的深度推理 | 多路径的广度探索，择优深入 |
| 解决问题方式 | 通常生成一条候选推理过程 | 显式搜索多个候选状态，按评价扩展、剪枝或回溯 |
| 自我修正能力 | 取决于是否加入复核、采样或工具验证 | 可通过搜索与外部评估实现，但评价器本身也需要验证 |
| 适用场景 | 有明确答案、逻辑清晰的问题（数学计算、代码解释、步骤规划） | 开放性、探索性、创造性问题（策略制定、创意写作、复杂规划） |
| 操作复杂度 | 简单，通常一个提示词即可 | 较复杂，需要状态表示、搜索策略和可靠的评估器；多轮对话只是简化近似 |
| Token 消耗 | 少 | 多（多次对话 + 多分支探索） |
五、什么时候用 ToT？
ToT 不是日常 Prompt 的标配——它的成本（多轮对话、Token 消耗）比 CoT 高得多。以下场景适合使用 ToT：
- 策略制定：需要从多个角度思考的决策问题
- 创意写作：需要探索不同风格、不同方向
- 复杂规划：活动策划、项目方案、商业计划
- 多方案比较：需要在不同方案间做权衡取舍
如果你的任务有明确答案、逻辑路径清晰，CoT 就够了。CoT 主打深度，ToT 主打广度。
小结
- 单次 CoT 通常给出一条路径；ToT 显式搜索并管理多个候选状态。
- ToT 的工作循环：生成 → 评估 → 扩展 / 剪枝 / 回溯。
- ToT 特别适合开放性、创造性任务，但操作成本和 Token 消耗更高。
- 实用法则：简单/明确的推理用 CoT，复杂/开放性的决策用 ToT。
下一篇，我们将学习如何把一个”大项目”拆成一串”小任务”——复杂任务拆解（Task Decomposition），让你像项目经理一样驾驭 AI。