tree-of-thoughts

环境要求

• Python 环境（可用 pip3 安装包）
• 一个支持 function calling 的模型 API Key（OpenAI / Anthropic / Groq 等）
• 能访问所填模型的网络环境
• 工作目录可写入，用于存放 .env 和 WORKSPACE_DIR

安装与启动步骤

1. 1安装 Swarms 框架

   Tree of Thoughts 现随 Swarms 框架发布，实现类为 TreeOfThoughts。用 pip3 安装或升级到最新版即可，无需单独装其它依赖。

   pip3 install -U swarms

   复制

2. 2配置 API 密钥

   在工作目录新建 .env 文件并写入密钥，Swarms 在 import 时会自动加载。把 your_openai_api_key 换成你自己的真实密钥。

   cat > .env <<'EOF'
   OPENAI_API_KEY="your_openai_api_key"
   WORKSPACE_DIR="agent_workspace"
   EOF

   复制

3. 3运行 24 点示例

   把示例代码保存为 .py 文件后执行。run(task) 返回最终答案字符串；示例用 DFS 搜索、最大深度 3 解 24 点题。

   from swarms import TreeOfThoughts
   
   agent = TreeOfThoughts(
       model_name="gpt-5.4",
       search_algorithm="dfs",
       max_depth=3,
       thought_description="One arithmetic operation on two of the remaining numbers.",
       evaluation_criteria="Can the remaining numbers still reach 24?",
   )
   
   answer = agent.run("Use 4, 9, 10 and 13 with + - * / to make 24.")
   print(answer)

   复制

4. 4查看搜索过程

   完整搜索树保留在 agent.last_result，可遍历最佳路径的每一步，并查看是否解出、扩展节点数、调用次数与 token 用量。

   result = agent.last_result
   
   for number, step in enumerate(result.steps, 1):
       print(f"{number}. {step}")
   
   print(result.solved)
   print(result.nodes_expanded)
   print(result.llm_calls)
   print(result.usage["total_tokens"])
   tree = result.to_dict()

   复制

关键配置

如何确认成功

脚本运行后 print(answer) 输出正确结果即成功；再用 agent.last_result.solved 为 True、steps 能打印出推理路径确认搜索正常。

常见问题

注意事项

• 本项目已并入 Swarms 框架，必须从 swarms 导入 TreeOfThoughts，而不是单独安装 tree-of-thoughts。
• 密钥写在当前工作目录的 .env 里，Swarms 在 import 时读取，缺失会导致调用失败。
• BFS 使用 breadth 控制束宽，DFS 会忽略该参数；dfs 走最优子节点并支持回溯。
• 同一树层的模型调用会并发执行，max_workers 默认为 8，注意提供方的并发限制。