tree-of-thought-llm

让大模型像人类一样反复推敲，多路径思考找最优解

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署开源模型 🍴 复刻 622 🐛 待处理 8 👀 关注 119

GitHub ↗

GitHub 星标 ★ 6089

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，MIT许可证，完全免费，可自行部署使用。

项目预览

tree-of-thought-llm 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类开源模型

开发团队princeton-nlp

GitHubhttps://github.com/princeton-nlp/tree-of-thought-llm

定价模式🏷️完全免费

价格说明开源项目，MIT许可证，完全免费，可自行部署使用。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议MIT

主要语言Python

技术栈/模型large-language-models,llm,prompting,tree-of-thoughts,tree-search

GitHub 星标★ 6089

上线时间2023-05-17 00:00:00

代码更新2025-01-16

仓库体积2.2 MB

本站数据更新2026-11-09

维护状态低维护

收录时间2026-08-09

浏览次数4

项目介绍

Tree of Thoughts (ToT) 是一个基于大语言模型的推理框架，源自 NeurIPS 2023 论文。它解决的是传统链式思维（CoT）在复杂问题中探索不足、易陷入局部最优的问题。核心能力是让模型在推理过程中生成多棵思维树，每棵树包含多个思考步骤，通过广度优先或深度优先搜索，结合评估函数对中间步骤打分，并支持回溯，从而找到最优推理路径。项目提供了完整的代码实现、示例场景（如24点游戏、创意写作、填字游戏）以及提示词模板，方便研究者复现和扩展。它特别适合需要多步推理、规划或探索的任务，能显著提升模型在复杂问题上的表现。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 6089

技术标签

large-language-models llm prompting

使用教程

难度：入门约 10 分钟部署方式：库/依赖 4 步

环境要求

Python 环境且 pip 可用
OpenAI API Key（脚本默认使用 gpt-4）
从源码安装需已安装 git
网络可访问 PyPI 与 OpenAI 接口

安装与启动步骤

1设置 API Key

把 OpenAI 密钥写入环境变量 OPENAI_API_KEY，代码运行时会自动读取；Windows 用 set 或 $env: 设置。
```
export OPENAI_API_KEY=sk-xxxxxxxx
```
2从 PyPI 安装

官方推荐方式之一，直接安装 tot 包，装完即可在脚本中 import tot。
```
pip install tree-of-thoughts-llm
```

3从源码安装

另一种安装方式，克隆仓库后装依赖并把本仓库以可编辑模式安装为 tot 包。

git clone https://github.com/princeton-nlp/tree-of-thought-llm
cd tree-of-thought-llm
pip install -r requirements.txt
pip install -e .

4编写并运行示例

按 README Quick Start 编写最小脚本，用 GPT-4 求解 4 5 6 10 的 24 点问题，保存为 .py 后执行。

关键配置

配置项	必填	说明	示例
`OPENAI_API_KEY`	是	代码读取的 OpenAI 密钥环境变量	`sk-xxxxxxxx`
`backend`	否	示例脚本中选择的后端模型	`gpt-4`
`temperature`	否	生成时的采样温度	`0.7`
`task`	否	任务名，示例为 24 点游戏	`game24`
`method_generate`	否	思维生成方法	`propose`
`method_evaluate`	否	思维评估方法	`value`