中文名稱：思維鏈、連鎖思維提示 英文名稱：Chain of Thought
中文名稱：樹狀思維 英文名稱：Tree of Thoughts
📌 定義（Definition）
- CoT 思維鏈：強制模型一步步推導，解決複雜計算的幻覺
- ToT 樹狀思維：讓 AI 探索分支規劃；讓模型在遇到死胡同時可以自我評估並回溯尋找最佳解。
⭐原理與技術
CoT （Chain of Thought，思維鏈）
透過提示模型「一步一步思考」，將複雜問題拆成中間推理步驟後再得出答案，能提升數學、邏輯與多步驟推理任務的正確率，也較能降低直接跳答造成的錯誤或幻覺。重點是：線性、逐步推導。
最常見的 CoT 提示方式是 few-shot CoT：在提示中提供若干帶有「思考步驟→答案」的範例；或 zero-shot CoT，僅在問題後加入「讓我們一步步思考」。此類提示會引導模型生成推理過程，而非直接輸出最終答案。若結合多次生成與投票策略（Self-Consistency），可進一步減少推理誤差。Zero-shot 與 Few-shot（少樣本提示）
ToT （Tree of Thoughts，樹狀思維）
將問題拆成多個可能的思考分支，讓模型不只沿單一路徑推理，而是能同時探索不同方案，並對各分支進行評估、保留、淘汰，必要時回溯重找路徑，因此特別適合規劃、搜尋、策略選擇這類需要比較多種可能解的任務。重點是：分支探索、評估、回溯、挑選最佳解。
ToT 通常包含三個階段：
- 生成階段 — 模型根據提示產生多個可能的下一步思維。
- 評估階段 — 對這些思維分支進行評分（可由模型自身或另一模型執行）。
- 搜尋階段 — 採用深度或廣度優先策略選擇後續節點，形成最終解答。
差異對照
CoT 是「一步一步往前推」，適合有明確推導路徑的問題 ToT 是「同時想幾條路，再選較好的那條」，適合需要探索與規劃的問題。
🔗 應用領域
Tree-of-Thought 已被用於提升 LLM 在迷宮解題、文字推理遊戲與程式設計規劃任務中的表現。其思想亦影響後續的「Graph-of-Thought」、「Reasoning Trees」等研究，成為探索可解釋與可控制 AI 推理流程的重要方向。
3 題模擬練習題
題目 1：
在解決一個數學問題時，模型被要求「一步一步計算中間步驟以得到最終答案」，這種提示方式屬於哪種思維方法？
A) 樹狀思維（Tree of Thoughts）
B) 思維鏈（）Chain of Thought
C) 零樣本提示（Zero-shot Prompting）
D) 多樣本提示（Few-shot Prompting）
答案：B) 思維鏈（）Chain of Thought
解析：
思維鏈（CoT）強調模型逐步推導、一步一步展開思考，適合數學和邏輯多步驟推理題，顯著降低錯誤率和幻覺問題。這與題目中「一步一步計算中間步驟」完全吻合。而樹狀思維偏重探索多條分支，零/多樣本提示是不同層面的提示策略。
題目 2：
當 AI 需要同時考慮多種可能方案，並可回頭評估、淘汰不佳方案以選最佳解決方案時，這種思維策略稱為？
A) 思維鏈（Chain of Thought）
B) 樹狀思維（Tree of Thoughts）
C) 自我一致性（Self-Consistency）
D) 少樣本提示（Few-shot）
答案：B) 樹狀思維（Tree of Thoughts）
解析：
樹狀思維透過分支探索、多路徑推理和回溯，讓模型能在遇到死胡同時重新選擇路徑，適合策略規劃和搜索任務。模型不只決定下一一步，而是同時產生多條思路、評價、挑選最佳，這很明顯符合題意。思維鏈則是線性推理，不強調多方案探索。
題目 3：
下列哪種應用情境最適合使用思維鏈（CoT）而非樹狀思維（ToT）？
A) 迷宮迷路問題的路線規劃
B) 多步數學運算問題
C) 棋局策略探索
D) 自然語言多方案生成
答案：B) 多步數學運算問題
解析：
多步數學運算本身有明確的步驟和標準中間結果，適合線性、一階段推理的思維鏈方法。迷宮、棋局策略、和多方案生成屬於需要探索多條路徑和策略的問題，適合樹狀思維進行分支搜尋和評估。