Поддерживаемая сообществом библиотека промптов для AI-чатов с сайтом, датасетами CSV и Hugging Face, CLI и интеграцией с MCP-сервером.
kyegomez/tree-of-thoughts
Реализация Tree of Thoughts на Python: LLM решают задачи, перебирая возможные шаги рассуждения, а не отвечая за один проход.
- Звёзды
- 4,594
- Форки
- 373
- Открытые issues
- 8
- Последний коммит
- в прошлом месяце
Что это?
Tree of Thoughts заставляет языковую модель рассуждать с помощью поиска. Она предлагает несколько вариантов следующего шага, оценивает каждый, отбрасывает слабые ветви и возвращается назад, если выбранная линия рассуждений не срабатывает. В репозитории представлен класс TreeOfThoughts, который теперь входит в фреймворк Swarms и выполняет поиск в ширину или глубину по частичным решениям.
Каждый ответ модели — это вызов функции, проверяемый по схеме Pydantic; вызовы на одном уровне дерева выполняются параллельно. Пользователь может задать описание мысли, критерии оценки, алгоритм поиска, ширину луча, глубину и порог оценки под свою задачу. Подойдёт любая модель LiteLLM с поддержкой вызова функций, а после выполнения поиска всё дерево доступно в формате JSON.
В репозитории есть примеры с игрой Game of 24, задачами по физике, логическими головоломками и математическими задачами; для каждой указан ожидаемый ответ. Также в нём представлены шаблоны промптов, которые позволяют добиться похожих рассуждений с участием нескольких экспертов от чат-модели без кода.
Ключевые возможности
- 01Поиск в ширину и глубину по шагам рассуждения с возвратом назад и отсечением ветвей.
- 02Оценка вариантов шагов с помощью значений и голосования.
- 03Настройка коэффициента ветвления, глубины, ширины луча и порога оценки.
- 04Работает с любой моделью LiteLLM с поддержкой вызова функций.
- 05Возвращает всё дерево поиска в виде данных, сериализуемых в JSON.
Сценарии использования
- Решение многошаговых арифметических задач и головоломок, с которыми модель часто не справляется за один проход.
- Перебор вариантов планирования или составления расписания с сохранением нескольких частичных решений.
- Разбор случаев с возвратом назад, когда одна из ветвей противоречит сама себе.
- Оценка качества рассуждений на математических и логических бенчмарках с проверяемыми ответами.
Быстрый старт
- 1
Установите пакет swarms
pip3 install -U swarms - 2
Добавьте API-ключ в файл .env в рабочем каталоге
- 3
Запустите код Quickstart на Python с помощью TreeOfThoughts
python examples/physics/hohmann_transfer.py
Что важно знать
- Требуется API-ключ поставщика моделей, поддерживающего function calling.
- Многоветвевой поиск выполняет множество вызовов модели, поэтому стоимость быстро растёт при увеличении таких параметров, как breadth и depth.
- Tree of Thoughts теперь входит в более крупный фреймворк Swarms, что добавляет значительную зависимость.
В подборках
Темы
Частые вопросы
- Что такое tree-of-thoughts?
- Реализация Tree of Thoughts на Python: LLM решают задачи, перебирая возможные шаги рассуждения, а не отвечая за один проход. Tree of Thoughts заставляет языковую модель рассуждать с помощью поиска. Она предлагает несколько вариантов следующего шага, оценивает каждый, отбрасывает слабые ветви и возвращается назад, если выбранная линия рассуждений не срабатывает. В репозитории представлен класс TreeOfThoughts, который теперь входит в фреймворк Swarms и выполняет поиск в ширину или глубину по частичным решениям.
- tree-of-thoughts можно использовать бесплатно? Какая у него лицензия?
- tree-of-thoughts распространяется с открытым исходным кодом под лицензией Apache-2.0. Перед использованием в коммерческих продуктах проверьте условия лицензии.
- tree-of-thoughts всё ещё поддерживается?
- Обновлялся за последние 6 месяцев. Последний коммит в tree-of-thoughts — 29 сент. 2026 г..
- Для чего можно использовать tree-of-thoughts?
- Решение многошаговых арифметических задач и головоломок, с которыми модель часто не справляется за один проход. Перебор вариантов планирования или составления расписания с сохранением нескольких частичных решений. Разбор случаев с возвратом назад, когда одна из ветвей противоречит сама себе. Оценка качества рассуждений на математических и логических бенчмарках с проверяемыми ответами.
- Как установить tree-of-thoughts?
- Установите пакет swarms: pip3 install -U swarms Добавьте API-ключ в файл .env в рабочем каталоге Запустите код Quickstart на Python с помощью TreeOfThoughts: python examples/physics/hohmann_transfer.py
- Где скачать tree-of-thoughts?
- Исходный код и инструкции по установке — на GitHub: https://github.com/kyegomez/tree-of-thoughts
Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Похожие проекты
RAG-движок без векторного поиска: строит иерархический древовидный индекс длинных документов, по которому LLM находит ответы.
Python-фреймворк для сравнения LLM в игре «Быки и коровы» через совместимые с LiteLLM провайдеры.
Фреймворк для глубокого обучения на PyTorch: автоматизирует циклы обучения, масштабирование на несколько GPU и типовую инженерную работу, сохраняя полный контроль над кодом модели.
Набор инструментов для разработки приложений на базе LLM: создание, тестирование, оценка и развёртывание с визуальным редактором flow в VS Code и CLI pf.
AutoGPT — платформа с открытым исходным кодом для создания, запуска и планирования AI-агентов, выполняющих многоэтапные рабочие процессы по текстовому описанию или с помощью визуального конструктора.