3分钟秒懂提示词技巧 - 思维树(ToT)

你听说过 Jason Wei 吗？2022年，正是这位中国科学家在一篇文章里，首次提出了一个让整个AI圈眼前一亮的概念——

。简单来说，就是让大语言模型（LLM）在回答问题前，先像人一样把思考过程一步步“说出来”，从而得到更聪明、更有逻辑的结果。

但话说回来，即便是强大的CoT，模型偶尔还是会“翻车”，陷入死胡同。为了解决这个问题，去年，普林斯顿大学和

的研究人员联手，推出了一个全新的推理框架——。

可以把它理解为CoT的Pro版。它引导大语言模型把思考过程本身也当作一个可以拆解、评估和探索的中间步骤，从而解锁了更复杂的推理能力，输出结果的质量自然也上了一个台阶。

那么，

的核心价值到底在哪？简单来说，它赋予了模型三项超能力：

• 给自己想出好几种不同的解题思路；
• 像个严苛的审稿人一样，认真比较这些思路，挑出最好的那个；
• 更重要的是，一旦发现自己走错了路，能果断回头，重新选择方向。

一句话总结：

接下来，我们就来扒一扒它的底层原理，再看看实战中怎么玩。

一、ToT（思维树） 究竟是怎么做到的？

有朋友可能会好奇，它怎么能像人一样“琢磨事儿”，还能自己挑方案？

的实现，主要分四步走：思维分解、思维生成、状态评估、搜索算法。

我们来逐一拆解。

一）思维分解

是整棵“思维树”的地基。它的核心操作，是把一个复杂问题，拆解成一连串更小、更好处理的子问题或思考步骤。

这就好比你要搭一个巨大的乐高城堡。如果直接上手拼，大概率会手忙脚乱。聪明的做法是：先把城堡分解成塔楼、城墙、吊桥几个小部分，一部分一部分地拼好，最后再组合起来。大模型解决问题的思路也是一样——把大问题拆成小问题，逐个击破，效率自然就高了。

二）思维生成器

，你可以理解为模型内部的“头脑风暴小组”。当面对一个问题时，它不会只沿着一条路走到黑，而是会竭尽全力，生成多种多样、甚至剑走偏锋的思考路径，从而拓宽解决问题的可能性。

它就像是给模型装了一个“点子库”。碰上写作任务，它就能一下子给你好几个不同风格的开头；要是解数学题，它也能列出几种迥异的解题方法。

三）

状态评估器

在解决问题的过程中，面对“点子库”里五花八门的方案，

就是那个关键的参谋。它的职责是辅助模型，对每一种可能的思考步骤进行有效性分析和进展评估，判断哪个思路靠谱，哪个可能会走进死胡同。

这个“私人助手”会告诉模型：这几个点子看着不错，值得深入；那个想法有点悬，可以先放一放。这样一来，模型就能把最宝贵的算力集中在最有希望的道路上。

四）

搜索算法

如果说前面三步是准备，那么

就是最后的执行指导。它是一组系统化的方法，帮助模型在已经形成的“思维森林”里有条不紊地探索，并找到通往最优解的路径。

它就像是模型请来的

。成员们各有风格：有的擅长“广撒网”，先把所有容易想到的办法都试一次（广度优先搜索）；有的则擅长“死磕到底”，一旦认准一个看起来特别有希望的思路，就会深挖下去（深度优先搜索）。

二、实践

聊完了理论，我们来看个实际例子。

假设有一家开了5年的小型咖啡店，位于城市郊区，最近生意越来越差，眼看就要关门大吉。店主希望能提高收入，扭转局面。

如果让店主自己想办法，难免会有盲区。这时候，我们就可以请AI和思维树的方法来帮忙。我们让AI扮演五个角色：

，以及一位作为最终裁判的。

整个流程是，由

做裁判，轮番上阵，层层筛选，最终找出最佳方案。

提示词可以这样写：

问题背景：一家小型咖啡店位于城市郊区，有 5 年的建店历史，但是生意越来越差，将濒临倒闭，目前店主希望提高收入，改善目前的状况。

假设有四位角色帮助解决问题：市场销售专家、自媒体作家、咖啡店的店主、咖啡爱好者。还有一个保持中立，负责决策和投票的角色：国际资深咖啡品牌创始人，不参与问题思考和发表。

请按照如下步骤逐个执行：
1. 四位角色都写下了他们思考这个问题的简要步骤，并与大家分享。国际资深咖啡品牌创始人此次不做任何决策。
2. 四位角色都写下了第一个步骤的具体内容，并与大家分享，国际资深咖啡品牌创始人为每个角色的思路进行打分，并淘汰分数最低的人，并说出理由。
3. 剩余的角色继续发表下一个步骤的具体内容，并与大家分享。国际资深咖啡品牌创始人负责继续淘汰此次思路最差的人，并说出理由。
4. 以此类推，最终得到完整的问题解决方案，并汇总出来。

我们来看下AI实际输出的效果。