AI大模型提示工程进阶：思维链、思维图与思维树的原理与实践

1次阅读

共计 2352 个字符，预计需要花费 6 分钟才能阅读完成。

在实际开发中，我们经常遇到大模型处理复杂任务时的三大典型问题：

逻辑断裂：模型在多步推理中容易丢失上下文，比如数学题解到一半突然改变解题方向
注意力分散：面对长文本提示时，模型会忽视关键指令，尤其当问题包含多个子任务时
随机性波动：相同提示多次运行可能得到质量差异明显的结果，影响生产环境稳定性

去年我们在电商客服场景实测发现，基础提示方法处理退换货政策咨询时，回答完整率仅有 63%，这正是催生结构化提示技术的现实需求。

维度	思维链(CoT)	思维图(Mind Map)	思维树(ToT)
结构形式	线性序列	放射状网状结构	分层决策树
最佳场景	分步计算类任务	创意发散类问题	带条件分支的决策任务
token 效率	中等（需保留中间步骤）	较高（可压缩分支）	较低（需保存多个路径）
实现复杂度	★★☆	★★★	★★★★
典型应用	数学证明、分步指导	头脑风暴、需求分析	风险评估、诊断系统

# 两阶段提示法实现数学推理
def chain_of_thought(question):
    # 第一阶段：生成推理步骤
    prompt = f""" 请逐步思考并解答以下问题：{question}
请按以下格式回答：1. 第一步分析...
2. 第二步推导...
...
最终答案："""
    reasoning = get_llm_response(prompt)  # 调用大模型 API

    # 第二阶段：提取最终答案
    answer_prompt = f""" 根据以下推理过程，给出最终答案：{reasoning}
答案格式：\n 最终答案："""
    return get_llm_response(answer_prompt)

# 示例：解决鸡兔同笼问题
print(chain_of_thought("笼中有鸡兔共 30 只，脚共 88 只，求各有多少只？"))

关键点在于：
1. 显式要求分步输出
2. 用序号强制结构化
3. 分离推理过程和答案提取

def build_mind_map(central_topic):
    template = """以"{topic}" 为中心绘制思维导图，包含：- 3 个主要分支（用★标记）- 每个分支 2 个子节点（用•标记）格式示例：★ 分支 1
  • 子节点 1
  • 子节点 2"""

    return get_llm_response(template.format(topic=central_topic))

# 示例：产品需求分析
print(build_mind_map("智能家居中控系统"))

视觉化技巧：
– 使用 Unicode 符号建立层级感
– 限制分支数量避免过度发散
– 后续可配合 Mermaid 等工具转真实图表

class TreeOfThought:
    def __init__(self):
        self.memory = []  # 存储决策路径

    def evaluate(self, option):
        criteria = """ 评估选项需考虑：1. 实施成本(1-10 分)
2. 预期收益(1-10 分)
3. 风险等级(1- 5 分)"""return get_llm_response(f"{criteria}\n 请评估：{option}")

    def decide(self, options):
        for opt in options:
            score = self.evaluate(opt)
            self.memory.append(f"选项：{opt}\n 评估：{score}")

        return get_llm_response(f"根据以下评估做出最终决策：\n{'\n'.join(self.memory)}"
        )

# 示例：技术方案选型
tot = TreeOfThought()
print(tot.decide(["微服务架构", "单体架构", "Serverless 架构"]))

我们在 AWS g5.2xlarge 实例上的测试数据显示：

指标	思维链	思维图	思维树
平均响应时间	2.1s	3.4s	6.8s
token 消耗量	420±50	380±70	890±120
任务完成率	82%	76%	91%
人工修正率	15%	23%	9%

关键发现：
– 思维树在复杂任务中后期维护成本更低
– 思维图适合早期探索阶段
– 简单流程类任务用思维链性价比最高

提示截断问题：
症状：后半部分提示被忽略
处方：用 [重要] 标记关键指令，或拆分多轮交互
虚假连贯现象：
症状：看似合理的错误推理
检测：要求模型用 [不确定] 标记低置信部分
过度发散：
症状：思维图产出无关内容
控制：设置 最多生成 5 个分支 等硬约束
评估偏差：
症状：思维树重复选择同类选项
解决：在评估标准中加入多样性维度
结果波动：
症状：相同提示不同结果
稳定：设置 temperature=0.3 以下

决策流程图：

                   开始
                     │
      ┌──────────────┴──────────────┐
      │ 是否需要处理条件分支？│
      └──────────────┬──────────────┘
                     │
      ┌──────────────▼──────────────┐
      │ 是 → 采用思维树            │
      │ 否 → 是否需要发散创意？│
      └──────────────┬──────────────┘
                     │
      ┌──────────────▼──────────────┐
      │ 是 → 采用思维图            │
      │ 否 → 采用思维链            │
      └────────────────────────────┘