首页分享 LangChain实战课笔记05 思维链与思维树

LangChain实战课笔记05 思维链与思维树

来源：花匠小妙招时间：2025-05-18 04:53

一、Chain of Thought（CoT）思维链

CoT 概念源于学术界，由谷歌大脑的 Jason Wei 等人在 2022 年论文Chain-of-Thought Prompting Elicits Reasoning in Large Language Models中提出。其核心在于通过生成一系列中间推理步骤，显著提升大型语言模型进行复杂推理的能力。例如在数学题求解中，有思维链引导（展示解题思路）的模型相比仅给出答案的模型，在推理准确性上有显著差异。在多种大型语言模型实验里，CoT 在算术、常识和符号推理任务中均提高了性能，在 GSM8K 数学问题基准测试中可使大模型达到当时先进的准确性水平。

（一）Few - Shot CoT

Few - Shot CoT 是在提示中提供少量链式思考示例来增强足够大的语言模型的推理能力。以开发 AI 花店助手为例，在整体指导下，其推理过程包括多个步骤：

问题理解：如针对用户 “今天要参加朋友的生日 Party，想送束花祝福她” 的需求，给 AI 提示模板，如 “遇到 XX 问题，我先看自己有没有相关知识，有的话，就提供答案；没有，就调用工具搜索，有了知识后再试图解决”，为 AI 提供思维链示例，助其理解用户需求。

信息搜索：AI 需搜索相关信息，如查找适合生日派对的花。

决策制定：基于收集信息制定决策，通过思维链示例，如 “遇到生日派对送花的情况，我先考虑用户的需求，然后查看鲜花的库存，最后决定推荐一些玫瑰和百合，因为这些花通常适合生日派对”，让模型能将类似思维流程应用于其他场景。

生成销售列表：最后使用 OutputParser 生成包含推荐花和价格的销售列表。

Few - Shot CoT 在每个步骤都可设计详细提示模板，使 AI 推理过程清晰，生成结果更贴合用户需求。实际上，LangChain 的核心组件 Agent 本质就是进行良好的提示工程并大量使用预置的 FewShot 和 CoT 模板。

（二）Zero - Shot CoT

Zero - Shot CoT 相对更简洁，如在相关论文示例中，只需告诉模型 “让我们一步步的思考（Let's think step by step）”，模型就能给出更好答案。这类似于简单的提示工程角色设定，在模型回答前告知其角色，促使模型更谨慎思考。

二、Chain of Thought 实战

以开发 AI 运营助手为例，其需求是根据用户需求推理并生成花卉建议及解释。

CoT 模板设计：

首先阐述 AI 角色为花店电商公司助手，目标是帮客户依喜好做明智决定。接着描述思考步骤，先理解客户需求，再考虑鲜花涵义，最后给出推荐并解释原因。同时提供示例，如针对 “找象征爱情的花” 推荐红玫瑰并解释原因，针对 “要独特奇特的花” 推荐兰花并说明理由。这些示例展示 AI 如何依思维链思考给出答案。

程序完整框架：

设置环境变量 OpenAI 的 API 密钥以便使用 OpenAI 的 GPT - 4 模型，创建聊天模型并设置 temperature = 0 让模型生成更确定回答。定义 AI 角色和目标，以及 CoT 模板（包含角色、目标、思考链条和示例）。使用 PromptTemplate 的 from_template 方法生成询问模板（包括 SystemMessagePromptTemplate 和 HumanMessagePromptTemplate）。用 ChatPromptTemplate.from_messages 方法整合角色、CoT 模板和用户询问生成聊天提示，将其输入模型获得回答并打印。在 Few - Shot CoT 提示下，模型能针对具体需求给出不错建议。

三、Tree of Thought（思维树）

基于 CoT 思想，思维树（ToT）框架被提出。对于复杂任务，传统提示技巧不足，ToT 框架在需要多步骤推理任务中，引导语言模型搜索由连贯语言序列（解决问题中间步骤）组成的思维树，而非简单生成答案。其核心是让模型生成和评估自身思维能力，并与搜索算法（如广度优先搜索和深度优先搜索）结合，进行系统性探索和验证。例如在鲜花运营示例中，对于顾客 “为妻子购买喜欢淡雅颜色和花香的鲜花” 的需求，AI 按思维步骤进行：

理解顾客需求，明确顾客为妻子买花且妻子喜好。

考虑可能的鲜花选择，列出百合、玫瑰、紫罗兰、桔梗、康乃馨等候选并说明原因。

根据需求筛选最佳选择，分析各候选花是否符合。

给出建议，如推荐百合、紫罗兰、淡粉色或白色玫瑰等。

ToT 框架为每个任务定义具体思维步骤和候选项数量，通过多思考路径解决复杂问题，结合语言模型生成能力、搜索算法和强化学习达到更好效果，该示例也可作为 FewShot 示例让模型学习实现 ToT。

四、总结

这节课主要介绍了 “思维链”（Chain of Thought，CoT）与 “思维树”（Tree of Thoughts，ToT）两个概念，并阐述了利用它们引导大型语言模型深入推理的方式：

CoT：核心思想是借由生成中间推理步骤强化模型推理能力，其应用方法包含 Few-Shot CoT（通过提供链式思考示例传递给模型）和 Zero-Shot CoT（直接告知模型按部就班推理）。 ToT：进一步拓展了 CoT 思想，依靠搜索由连贯语言序列构成的思维树来解决复杂问题，且通过鲜花选择实例展示了 ToT 框架在实际应用中的运用情况。