思维树（Tree of Thoughts，ToT）是 2023 年普林斯顿与 DeepMind 研究者提出的推理框架：把解题过程组织成一棵树——每一步生成多个候选想法（分支），用模型自评或启发式规则给每个分支打分，优先探索有希望的分支，发现走不通就回溯换路。
与思维链（CoT）的区别
CoT 是单链条线性推理，一步错、步步错；ToT 是多分支可回溯的搜索，允许“试错—比较—改道”。论文在 24 点游戏、创意写作、填字游戏上显著超过 CoT。
本质
ToT 把“生成”升级为“搜索”——用更多的推理时算力（Test-Time Compute）换更高的解题成功率，这正是后来推理模型“多想一会儿”思想的雏形。
使用方式
- 提示词层面：让模型“给出三种不同解法，分别评估后再选最优”，是 ToT 思想的简化版
- 工程层面：多轮调用模型生成-评估-剪枝，代码实现完整搜索树
现状
原生推理模型（o 系列、DeepSeek-R1 等）已在内部隐式做了类似搜索，显式 ToT 更多用于无原生推理能力的开源模型与需要可控搜索过程的场景。