智能体提示中的思维链与思维树

在构建更自主、更智能的智能体时，仅仅告诉智能体做什么通常是不够的。为了让智能体有效处理复杂的多步骤任务，它们需要像人类一样“思考”问题。两种提示框架，思维链（$CoT$）和思维树（$ToT$），能够引导智能体的推理 (inference)过程，从而使任务执行更可靠。这些技术对于提升智能体控制不可或缺。

通过思维链（CoT）引发分步推理 (inference)

思维链提示鼓励大型语言模型（LLM）在得出最终答案或行动之前，逐步阐明其推理过程。智能体不会直接输出解决方案，而是首先生成一系列中间思考，这些思考逻辑地引出结果。

对于智能体工作流程，CoT 非常有帮助，原因如下：

1. 提高准确性：将问题分解为更小、更易于管理的步骤，通常能带来更准确的结果，特别是对于需要算术、常识或符号推理的任务。
2. 增强可解释性：通过展现推理路径，您可以更好地理解智能体做出特定决策或选择特定行动的原因。这对于调试和建立对智能体行为的信任非常重要。
3. 更好地处理复杂指令：当智能体需要遵循多部分指令时，CoT 有助于确保所有部分都得到系统性处理。

您可以通过以下几种方式在智能体提示中引导 CoT：

• 明确指令：只需添加诸如“一步一步地思考”、“在采取行动前解释你的推理”或“让我们把这个问题分解开”之类的短语。

  User: 规划一个为期三天的巴黎之旅，侧重于艺术博物馆和历史遗迹。
  Agent Prompt:
  你的任务是规划一次旅行。请一步一步地思考来构建行程。
  
  Thought:
  用户想要一个为期三天的巴黎之旅，侧重于艺术和历史。
  第1天：侧重中心历史遗迹。上午：巴黎圣母院（外观/区域），圣礼拜堂。下午：卢浮宫。
  第2天：侧重艺术和另一个街区。上午：奥赛博物馆。下午：蒙马特高地和圣心大教堂。
  第3天：凡尔赛宫或不同类型的博物馆。上午：凡尔赛宫（至少需要半天）。下午：罗丹博物馆或游览玛莱区以感受历史氛围。
  我应该将其呈现为一个结构化的计划。
  
  Action:
  {
    "plan": [
      {"day": 1, "morning": "巴黎圣母院区域和圣礼拜堂", "afternoon": "卢浮宫"},
      {"day": 2, "morning": "奥赛博物馆", "afternoon": "蒙马特高地和圣心大教堂"},
      {"day": 3, "morning": "凡尔赛宫", "afternoon": "罗丹博物馆或玛莱区游览"}
    ]
  }
  

• 少量示例：在提示中提供一个或多个示例，展示所需的分步思考过程，然后是行动。这通常是最有效的方法。
• 结构化输出：将您的提示设计为在“行动”字段之前期望一个“思考”或“推理”字段。这强制智能体阐明其思考过程。

通过鼓励有条理的方法，CoT 帮助智能体在内部模拟解决问题的路径，使其行动更审慎，更不容易出现简单错误。

通过思维树（ToT）检查多条推理 (inference)路径

虽然 CoT 引导智能体沿着单一的线性推理路径前进，但思维树提示将其推进了一步。ToT 使得智能体能够同时审查多个推理路径或备选方案，评估它们的潜力，然后决定要沿着哪条路径执行，或者结合不同路径的见解。这类似于智能体在采取行动之前考虑几种“如果……会怎样”的场景或不同的策略。

当出现以下情况时，ToT 对智能体尤其有益：

• 问题复杂且没有单一明显解决方案时。 例如，策略性游戏或复杂的谈判任务。
• 推理链中的早期步骤不确定时。 ToT 允许智能体审查不同假设的后果。
• 智能体需要执行自我修正或回溯时。 如果一条推理路径遇到死胡同，智能体可以切换到更有前景的分支。

实现一个完整的 ToT 系统通常不仅仅涉及单个提示；它通常需要一个智能体架构，该架构可以管理多个“思考状态”，为每个状态生成潜在的下一步（思考），评估这些思考，并使用搜索算法（如广度优先或深度优先搜索）来遍历思考的“树”。

然而，您可以设计提示，鼓励智能体在其推理循环中表现出类似 ToT 的行为：

• 提示备选方案：“考虑解决此问题的三种不同方法。列出每种方法的优缺点。”
• 条件规划：“如果首次尝试使用工具 A 失败，您使用工具 B 或其他方法的备用计划是什么？”
• 路径自我评估：“生成一个可能的计划。然后，批判性评估该计划的潜在缺陷或改进空间。如果发现重大缺陷，建议一个备选方案。”

例如，一个负责调试代码的智能体可能会使用类似 ToT 的提示：

User: 数据处理的 Python 脚本在处理大文件时出现 MemoryError 错误。
Agent Prompt:
分析问题并提出解决方案。考虑多种方法。

Thought:
用户的脚本在处理大文件时出现 MemoryError。这通常意味着它一次性加载了太多数据到内存中。
方法 1：分块处理文件。
  - 优点：处理大文件内存问题的标准解决方案。降低峰值内存使用。
  - 缺点：如果数据依赖存在于不同块之间，可能会使处理逻辑复杂化。
方法 2：优化数据结构。
  - 优点：可以在不根本改变文件 I/O 的情况下减少内存占用。
  - 缺点：如果文件确实非常大，可能不够。取决于数据和当前结构的具体情况。
方法 3：使用更节省内存的库或工具。
  - 优点：可能存在现成的解决方案（例如，Python 的 Dask、Vaex）。
  - 缺点：引入新的依赖；可能需要学习新的 API。

Evaluation: 分块（方法 1）通常是解决这类问题最直接有效的第一步。我会建议这个方法，如果分块对于他们特定的逻辑难以实现，也许会作为次要考虑提及数据结构优化。

Action:
{
  "suggestion": "为了解决 MemoryError，最常见的解决方案是分块处理文件，而不是一次性将整个文件加载到内存中。您可以读取文件的一部分，处理它，然后再读取下一部分。您能向我展示您脚本中读取和处理文件的部分吗？或者，考虑您的数据结构是否可以优化以提高内存效率（例如，使用生成器、更紧凑的类型）。",
  "next_step": "request_code_snippet"
}

以下图表说明了 CoT 和 ToT 之间推理流程的差异：

CoT 展示了思考的线性进展，而 ToT 则说明了分叉结构，其中审查了多条推理路径。

CoT 与 ToT 的选择

CoT 和 ToT 之间的选择取决于任务的复杂性以及期望的智能体自主程度：

• 何时使用 CoT：

  • 任务涉及顺序推理 (inference)，且步骤定义明确。
  • 对于中等复杂度的任务，您需要提高智能体行动的可靠性和可解释性。
  • 问题可以分解为线性的思考序列。 示例：解决数学应用题、根据特定标准总结文本、生成简单的代码片段。

• 何时考虑 ToT（或类似 ToT 的提示）：

  • 任务高度复杂，存在显著不确定性或许多可能的路径。
  • 智能体需要进行战略规划、查看备选方案或执行自我修正时。
  • 错误的代价很高，并且需要充分审查时。 示例：复杂调试、具有特定约束的创意写作、动态环境中的多步骤规划。

实际考量

尽管这些技术功能强大，但它们也伴随着一些考量：

• 增加延迟和成本：生成详细的思考，尤其是在 ToT 中生成多个分支，需要大型语言模型更多的令牌和处理时间。这会增加延迟和运营成本。
• 提示复杂性：精心设计有效的 CoT 提示，尤其是 ToT 提示，需要细致。少量示例需要精心设计，以展示所需的推理 (inference)风格。
• 解析开销：如果思考以结构化方式嵌入 (embedding)，您的智能体框架需要可靠地解析这些思考并将其与行动分离。
• 引导评估（针对 ToT）：在 ToT 场景中，引导智能体如何评估不同的思考分支非常重要。这可能涉及提示进行自我批评或使用特定的评估标准。

通过整合 CoT 和 ToT 提示策略，您不仅仅是向智能体提供指令；您是在塑造其认知过程。这使得智能体可以执行的任务复杂性有了显著提升，使它们从简单的指令执行者转变为更强大的问题解决者。这些推理框架是您精确控制智能体的宝贵工具，帮助您构建不仅高效，而且更透明和适应性强的智能体。