graph-of-thoughts

把AI思考画成图,复杂问题解得快又准

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 220 🐛 待处理 7 👀 关注 21
GitHub ↗
GitHub 星标 ★ 2853
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,本地部署,完全免费

项目预览

graph-of-thoughts 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spcl
定价模式🏷️完全免费
价格说明开源项目,本地部署,完全免费
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★ 2853
上线时间2023-08-18 00:00:00
代码更新2026-03-24
仓库体积14.7 MB
本站数据更新2026-11-10
维护状态低维护
收录时间2026-08-09
浏览次数4

项目介绍

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。

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 ★ 2853

使用教程

ℹ 本教程由 AI 依据该项目 README 整理,个别步骤可能需要按你的环境微调。

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

上一篇:markstream-vue

下一篇:HelloAgents

同类项目推荐

pydantic-ai-skills 开源

给 Pydantic AI 装上按需加载的技能包,让代理更聪明

This package implements Agent Skills (https://agentskills.io) support with progressi···

★ 382 2026-08-09
generative-ai 开源

在 .NET 里用官方 SDK 直接调用 Gemini 做 AI 功能

Gemini SDK for .NET and ASP.NET Core enables developers to use Google's state-of-the···

★ 215 2026-11-03
megabots 开源

不想从零写代码?几分钟搭好一个能用的 LLM 聊天机器人。

State-of-the-art, production ready LLM apps made mega-easy, so you don't have to bui···

★ 351 2026-08-09
NetCoreKevin 开源

拿来即用的 .NET AI 中台,快速搭知识库智能体

基于.NET搭建的企业级中台AI知识库智能体开源架构:Skill、MCP、Qdrant、知识库、Agent、多···

★ 556 2026-10-02
voice-ui-kit 开源

用 React 组件和 hooks 快速搭出语音 AI 应用界面

Components, hooks and template apps for building React voice AI applications quickly···

★ 418 2026-10-08
LLM-Kit 开源

一站式 WebUI 搞定 LLM 调用、微调和创意应用

WebUI integrated platform for latest LLMs | 各大语言模型的全流程工具 WebUI 整合包。支···

★ 555 2026-08-09
dexter 开源

把生产级 LLM 工具链直接搬进你的项目

LLM tools used in production at Dexa

★ 108 2026-08-09
taipy 开源

几行代码把数据变成网页应用,原型直接上线

Turns Data and AI algorithms into production-ready web applications in no time.

★ 19460 2026-08-09