一句话说清：思维树（Tree of Thoughts，简称 ToT）是一种让大语言模型在解决问题时同时展开多条推理路径，边走边评估，砍掉没希望的、回到岔路口重来的推理方法。它不是让模型"一口气想到底"，而是让模型像下棋一样，走一步、看一眼、再决定要不要继续。
它到底在做什么
把解题过程想象成走迷宫。思维链（Chain of Thought，CoT）是闭着眼一路往前冲，走到死胡同才发现错了，而且没法回头。思维树则是每到一个岔路口，先派几个侦察兵分头探路，到了一个中途点就评估一句"这条路看起来像样吗"，把明显走不通的收回来，只在最有希望的分支上继续深入。
一次典型的 ToT 循环有四个动作：
1. 生成（propose）：从当前状态出发，让模型提出几个可能的下一步"想法"（thought）。
2. 评估（evaluate）：给每个想法打分——可以是让模型自己判断"这步靠不靠谱"，也可以是用规则、测试用例、搜索结果来验证。
3. 选择（select）：留下分数高的，剪掉分数低的。
4. 回溯（backtrack）：如果某个分支后来发现走不通，就退回到上一个还不错的节点，换条路再走。
"想法"的颗粒度是这套方法的关键——它可以是一个词、一行推导、一个方案草案，也可以是"先查资料还是先列提纲"这种策略级选择。颗粒度越粗，树枝越少但每一步越贵。
和相邻概念的区别
| 方法 | 结构 | 能否回头 | 主要代价 | 适合场景 |
|---|---|---|---|---|
| 思维链 CoT | 一条直线 | 不能 | 低 | 常规推理、问答 |
| 自洽性 AI 词典：Self-Consistency">Self-Consistency | 多条独立直线，最后投票 | 不能，中途不交互 | 中 | 有唯一答案的题目 |
| 思维树 ToT | 树状，可剪枝、可回溯 | 能 | 高（调用次数成倍增长） | 有明确好坏标准、可以试错的任务 |
最容易混淆的是自洽性：它同样是"想好几遍"，但每条链各走各的，只在终点比一比谁对。ToT 则在中间就开始比较和淘汰，还会把好的中间结果当作继续推理的起点。
对从业者的意义
ToT 代表的是一种思路：花更多算力换更高的正确率，属于推理时扩展（inference-time scaling）的典型做法。它最适合那些"对错可判断、但路径不唯一"的任务——数独、逻辑谜题、多步规划、行程安排、代码调试、方案比选。反过来，写一段开放式的散文、回答"今天天气怎么样"，用 ToT 就是纯浪费时间和成本。
真要用起来，难点通常不在"树"的框架，而在评估函数：谁来判断这一步好不好？让模型自己打分容易自吹自擂；用外部工具验证更可靠但更麻烦。具体某个框架支持哪些策略、API 怎么调，各家实现差别不小，以官方页面为准。
对普通人的意义
它其实是在提醒一件很朴素的事：聪明人解题不是一次想对，而是同时想几种可能，及时放弃错的方向。模型现在也会这么干了。你在用聊天机器人处理复杂任务时，如果发现它给出的方案很平，不妨直接要求："给我三个不同思路，先分别说说各自的风险，再选一个展开。"这句提示词，某种程度上就是手工版的思维树。