graph-of-thoughts

把AI思考画成图,复杂问题解得快又准

Graph of Thoughts(GoT)是一个将大语言模型推理过程建模为图结构的开源框架,由苏黎世联邦理工学院等机构提出。它解决了传统思维链(CoT)和思维树(ToT)只能线性或树状推理的局限,通过将思考过程组织为有向图,支持思路的合并、分支和循环,从而更灵活地解决复杂问题。核心能力包括:将LLM的推理步骤表示为图节点,支持任意拓扑结构的推理路径;提供可扩展的提示词机制,无需额外训练即可增强模型性能;包含排序、集合运算、文档合并等多个任务的实验验证。GoT在算术、逻辑推理、文档整合等任务上显著优于CoT和ToT,同时通过图聚合机制减少推理步骤,降低计算成本。项目提供完整代码和文档,便于研究者复现和扩展。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 2844
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类开源模型
开发团队spcl
所属国家
官网地址
定价模式free
价格说明开源项目,本地部署,完全免费
访问状态
是否开源是
开源协议NOASSERTION
主要语言Python
技术栈/模型graph-of-thoughts,graph-structures,graphs,large-language-models,llm,prompt-engineering,prompting
GitHub 星标★ 2844
30天Star增速
HF 下载量
上线时间2023-08-18 00:00:00
最近更新2026-09-23 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数3

使用教程

难度:进阶 约 15 分钟 部署方式:库/依赖 6 步

环境要求

  • Python 3.8 或更高版本
  • 已激活的 Python 环境(虚拟环境可选)
  • 可访问的大语言模型(LLM)
  • pip 包管理工具

安装与启动步骤

  1. 1确认 Python 版本

    README 明确要求 Python 3.8 或更新版本,先确认本机版本满足条件,否则需先升级 Python。

    python --version
  2. 2安装 GoT 包

    普通用户只使用 graph_of_thoughts 时,直接从 PyPI 安装即可,无需克隆仓库。

    pip install graph_of_thoughts
  3. 3源码可编辑安装

    开发者需要修改代码时,克隆仓库后以可编辑模式安装,改代码立即生效。两种方式二选一。

    git clone https://github.com/spcl/graph-of-thoughts.git
    cd graph-of-thoughts
    pip install -e .
  4. 4配置 LLM

    框架必须以 LLM 为引擎,需按官方 Controller README(graph_of_thoughts/controller/README.md)的说明配置你选用的模型。

  5. 5运行排序示例

    README 展示的 Quick Start 片段,用 CoT 风格思路求解 32 个数的排序;片段中的初始化部分被截断,完整用法参考 examples/sorting。

    from examples.sorting.sorting_032 import SortingPrompter, SortingParser, utils
    from graph_of_thoughts import controller, language_models, operations
    
    # Run the Controller and generate the output graph
    ctrl.run()
    ctrl.output_graph("output_cot.json")
  6. 6运行 GoT 版本

    换成 GoT 思路的示例再跑一次,输出文件改为 output_got.json,便于与 CoT 结果对比。

    from examples.sorting.sorting_032 import SortingPrompter, SortingParser, got, utils
    from graph_of_thoughts import controller, language_models, operations
    
    # Run the Controller and generate the output graph
    ctrl.run()
    ctrl.output_graph("output_got.json")

如何确认成功

运行后当前目录生成 output_cot.json 或 output_got.json,最终 thought 的分数即排序列表中的错误数,越小越好。

常见问题

Q:我应该用哪种安装方式?

A:只是调用 graph_of_thoughts 的用户用 pip install graph_of_thoughts;需要改代码的开发者用 git clone 后 pip install -e . 可编辑安装。

Q:需要本地 GPU 吗?

A:README 未提及任何 GPU 或本地模型要求,只需要 Python 3.8+ 和可访问的 LLM,推理由所配置的模型完成。

Q:安装前要注意什么?

A:README 特别提醒:执行两种安装方式中的任意一种前,先激活你的 Python 环境(如果有的话)。

Q:LLM 怎么配置?

A:README 指路到 graph_of_thoughts/controller/README.md,按其说明配置你选择的 LLM;本项目正文未列出具体参数。

Q:Quick Start 代码能直接跑吗?

A:README 节选中的片段不完整,缺少 prompter、parser 与 controller 的初始化部分,需结合 examples/sorting 目录的完整示例补全。

注意事项

  • 安装前先激活 Python 虚拟环境,避免污染系统环境。
  • README 节选未给出端口、路径、密钥等具体配置项,实际参数请以 controller README 为准。
  • 两种安装方式二选一,不要重复安装导致版本冲突。
  • 输出图的分数表示错误数量,可据此对比 CoT 与 GoT 的效果。

核心亮点

  • 图结构推理,支持思路合并与循环,突破线性限制
  • 无需训练,通过提示词机制直接增强LLM性能
  • 在排序、集合运算等任务上效果优于CoT和ToT

不足之处

  • 图构建和推理过程对用户设计提示词要求较高
  • 文档/社区待观察

适用场景

  • 复杂逻辑推理与数学问题求解
  • 多文档信息整合与对比分析
  • 需要多路径探索的创意生成任务

替代项目

Tree of Thoughts (ToT)、Chain-of-Thought (CoT)、LangChain

项目介绍

graph-of-thoughts 是开发框架领域的开源项目,由 spcl 开发,2023 年首次发布。

在全站 13,090 个收录项目中,它的 GitHub 星标数(2,844)位列前 30%,在开发框架分类中处于中上游。

项目已超过三个月没有代码更新,维护节奏明显放缓,最近一次代码更新于 2026-09-23。本地部署,完全免费。

它主要面向的使用场景是:复杂逻辑推理与数学问题求解。同类可对比的替代方案包括 Tree of Thoughts (ToT)、Chain-of-Thought (CoT)、LangChain。

上一篇:markstream-vue

下一篇:HelloAgents

同类项目推荐

langchain 开源

组装 AI 应用的乐高积木,从想法到上线不换工具

The agent engineering platform.

★ 146874 2026-08-09
transformers 开源

全球最大的模型仓库全家桶,想用的模型一把抓

Transformers: the model-definition framework for state-of-the-art machine learning m···

★ 166529 2026-08-09
pi 开源

一套 TypeScript 工具包,快速搭出能写代码的 AI agent

AI agent toolkit: unified LLM API, agent loop, TUI, coding agent CLI

★ 108504 2026-09-12