Graph of Thoughts （GoT）

一句话解释

Graph of Thoughts（GoT）是一种让大语言模型像画图一样组织推理步骤的方法。它不再只是单向链条或树状分支，而是允许不同思路合并、交叉，形成更复杂的推理网络。

通过将每一步思考看作图中的一个节点，GoT可以同时探索多个方向并把它们的结果合并，就像人类大脑把零散想法拼成完整答案一样。

为什么会被关注

传统思维链（CoT）只能线性推进，遇到错误很难回头修正；思维树（ToT）虽然可以分支搜索，但分支之间缺乏交互。GoT引入图结构后，不同路径可以相互借鉴、合并输出，在数学推理、逻辑谜题等任务中表现更优。

这种设计模仿了人类复杂决策中的“反复权衡”与“归纳汇总”，让大模型在需要多步验证或综合信息的场景下，获得更高的准确率和效率。

核心逻辑

GoT将每个推理步骤定义为图中的一个顶点，步骤之间的因果或依赖关系作为有向边。系统可以主动创建新顶点（生成新思考），也可以将多个顶点合并成新顶点（聚合多个思路），从而形成一个动态生长的有向图。

通过控制图的结构（如层次、拓扑顺序），模型能够对推理过程进行全局优化，避免重复计算，并利用图算法（如拓扑排序、最短路径）找到最佳的推理链条。

常见场景

数学解题：需要多步骤运算和代入验证，GoT能同时尝试不同解法并对比结果。逻辑推理题：比如“狼羊菜过河”类问题，需要尝试多条路径并检查冲突。

代码生成与调试：多分支思路可能产生不同代码段，GoT可以合并各分支的最佳片段。知识问答：当答案依赖多个事实时，GoT能并行查找并聚合证据。

容易混淆的点

容易将GoT与思维树（ToT）混淆。ToT也允许分支，但分支之间彼此独立，没有合并；GoT则允许不同分支的节点合并，形成更灵活的图结构。

另外，GoT不是模型本身的架构改变，而是一种提示/推理框架，只需在调用大模型时按图规则组织对话或生成本文即可，对用户而言透明。