主流 Agent 架构解析

Chain of Thought (CoT)

思维链：让模型“一步一步思考”，展示推理过程。

问题：小明有 5 个苹果，小红给了他 3 个，小明吃了 2 个，还剩多少？
思考：5 + 3 = 8，8 - 2 = 6
答案：6 个本质**：通过

**要求模型输出思考过程，提高推理的准确性。

ReAct (Reason + Act)

推理 + 行动：结合推理和外部工具使用。

问题：今天的天气适合跑步吗？
思考：我需要先查询天气
行动：调用天气 API
观察：结果显示 25 度，晴朗
结论：适合跑步

本质：让模型能够与外部世界交互，而不是仅靠内部知识。

Tree of Thoughts (ToT)

思维树：探索多条推理路径，选择最优解。

                    开始
                   /  |  \
                 /   |   \
               /    |    \
            方案A  方案B  方案C
             |     |     |
            ...   ...   ...
             \    |    /
              \   |   /
               \  |  /
                 最优

本质：通过树状搜索，提高复杂问题的解决质量。

总结

架构	核心思想	适用场景
CoT	展示推理过程	数学、逻辑题
ReAct	推理 + 工具	需要外部信息的任务
ToT	多路径探索	复杂决策问题