LangChain AI Agent 进阶：思维树（TOT）与 ReAct 框架实操

一、核心主题定位

本集聚焦 Agent 的高阶思维框架 —— 思维树（Tree of Thought, TOT）与 ReAct，核心解决 “复杂任务分步推理不足”“工具调用逻辑混乱” 的痛点。通过 TOT 实现多路径探索与回溯，结合 ReAct 的 “思考 - 行动 - 观察” 闭环，让 Agent 具备类人类的动态决策能力，适配需要深度推理的复杂场景（如逻辑题求解、多步骤任务规划）。

---

二、核心框架解析：TOT 与 ReAct

1. 思维树（TOT）：多路径推理与回溯

• 核心逻辑：将复杂任务拆解为多个思维节点，每个节点探索多种可能路径，通过评估筛选最优方向，遇到死胡同可回溯重新选择，突破单一路径的局限性。
• 核心价值：解决 “一步错全错” 的问题，适合需要试错、推理的场景（如 24 点游戏、数学证明、复杂决策）。
• 关键步骤：
  1. 任务拆解：将目标拆分为可探索的思维节点（如 24 点游戏中 “4 个数字→第一步运算→第二步运算→结果 24”）。
  2. 路径生成：每个节点生成多种可能的行动（如 24 点中 “1+2”“1×2”“2-1”）。
  3. 评估筛选：对每条路径的可行性打分（如 “1+2 后剩余数字更易凑 24，打分 8 分；1×2 后难度高，打分 3 分”）。
  4. 回溯优化：淘汰低分行进，保留高分行进，必要时回溯到上一节点重新选择。

2. ReAct 框架：思考 - 行动 - 观察闭环

• 核心逻辑：模拟人类 “思考→行动→观察结果→再思考” 的行为模式，Agent 每一步先明确 “为什么这么做”（思考），再执行行动（调用工具 / 运算），最后根据结果调整后续策略（观察）。
• 核心价值：工具调用逻辑透明可追溯，减少盲目行动，提升复杂场景下的任务完成率。
• 关键步骤：
  1. 思考（Reason）：分析当前状态与目标差距，明确下一步行动目的（如 “需要查询库存，才能判断是否补货”）。
  2. 行动（Act）：执行具体操作（调用工具、运算、提问用户）。
  3. 观察（Observe）：获取行动结果（如工具返回数据、用户反馈）。
  4. 循环：基于观察结果重复 “思考 - 行动 - 观察”，直至完成任务。

3. TOT 与 ReAct 的协同关系

• TOT 负责 “宏观路径规划”：确定多路径探索与回溯策略。
• ReAct 负责 “微观步骤执行”：按 “思考 - 行动 - 观察” 落地每一步，确保路径可行。
• 协同优势：既保证多路径探索的灵活性，又确保每一步执行的逻辑性。

---

三、核心实操示例（TOT+ReAct 协同）

以 “24 点游戏拓展” 和 “复杂库存决策” 为例，演示框架落地。

1. 示例 1：24 点游戏（TOT 核心应用）

场景描述：给定 4 个数字（如 3、4、6、8），通过加减乘除运算得出 24，需探索多路径。

python

运行

from langchain_community.llms import ZhipuAI
from langchain.prompts import PromptTemplate
from langchain.chains import LLMChain

# 1. 初始化模型
llm = ZhipuAI(model="glm-4", api_key="你的API_KEY", temperature=0.3)

# 2. TOT核心链：路径生成+评估+回溯
# 路径生成链（每个节点生成多种运算可能）
generate_prompt = PromptTemplate(
    template="""给定数字{numbers}，已完成运算：{history}，当前剩余数字：{remaining}。
    生成3种可能的下一步运算（仅用加减乘除，每次用2个数字），格式：运算表达式→剩余数字。
    示例：3+4=7→剩余[7,6,8]
    """,
    input_variables=["numbers", "history", "remaining"]
)
generate_chain = LLMChain(llm=llm, prompt=generate_prompt)

# 路径评估链（对生成的路径打分，1-10分）
evaluate_prompt = PromptTemplate(
    template="""给定24点任务，当前运算路径：{path}，剩余数字：{remaining}。
    评估该路径凑出24的可行性，打分（1-10分）并说明理由，仅输出“分数：X，理由：XXX”。
    """,
    input_variables=["path", "remaining"]
)
evaluate_chain = LLMChain(llm=llm, prompt=evaluate_prompt)

# 3. TOT执行逻辑
def tot_24_game(numbers):
    # 初始化状态
    history = []
    remaining = numbers.copy()
    max_depth = 3  # 24点最多3步运算
    current_depth = 0

    while current_depth < max_depth and len(remaining) > 1:
        # 步骤1：生成可能路径
        generate_result = generate_chain.invoke({
            "numbers": numbers,
            "history": "→".join(history),
            "remaining": remaining
        })["text"]
        paths = [p.strip() for p in generate_result.split("\n") if p.strip()]

        # 步骤2：评估路径
        scored_paths = []
        for path in paths:
            expr, rem = path.split("→剩余")
            rem = eval(rem)  # 转为列表
            eval_result = evaluate_chain.invoke({
                "path": "→".join(history) + "→" + expr,
                "remaining": rem
            })["text"]
            score = int(eval_result.split("分数：")[1].split("，")[0])
            scored_paths.append((path, score))

        # 步骤3：选择最优路径（分数最高）
        scored_paths.sort(key=lambda x: x[1], reverse=True)
        best_path, best_score = scored_paths[0]
        expr, rem = best_path.split("→剩余")
        remaining = eval(rem)
        history.append(expr)
        current_depth += 1

        # 步骤4：判断是否完成
        if len(remaining) == 1 and remaining[0] == 24:
            return f"成功！路径：{'→'.join(history)}=24"

    return f"未找到有效路径，尝试路径：{'→'.join(history)}"

# 测试24点游戏
result = tot_24_game([3, 4, 6, 8])
print(result)
# 输出示例：成功！路径：8-6=2→3×4=12→12×2=24

2. 示例 2：复杂库存决策（TOT+ReAct 协同）

场景描述：结合库存查询、销量分析、补货计算，决策是否补货及补货量，需多步骤推理与工具调用。

python

运行

from langchain_core.tools import Tool
from langchain.agents import initialize_agent, AgentType
from langchain.memory import ConversationBufferMemory

# 1. 定义工具（ReAct行动阶段调用）
def inventory_query(product_id: str) -> str:
    """查询产品库存，输入产品ID"""
    mock_data = {"PROD-001": 30, "PROD-002": 150, "PROD-003": 0}
    return f"库存结果：产品{product_id}当前库存{mock_data.get(product_id, 0)}件"

def sales_analysis(product_id: str) -> str:
    """分析近3个月销量，输入产品ID"""
    mock_data = {"PROD-001": "月均销量60件", "PROD-002": "月均销量30件", "PROD-003": "月均销量45件"}
    return f"销量分析：{mock_data.get(product_id, '无数据')}"

def replenish_calc(stock: int, monthly_sales: int) -> str:
    """计算补货量，输入库存和月均销量"""
    if stock <= monthly_sales * 0.5:
        return f"补货建议：需补货{monthly_sales * 2 - stock}件（库存低于半月销量）"
    return "补货建议：库存充足，无需补货"

tools = [
    Tool(name="inventory_query", func=inventory_query, description="查询产品库存，仅需产品ID"),
    Tool(name="sales_analysis", func=sales_analysis, description="分析近3个月销量，仅需产品ID"),
    Tool(name="replenish_calc", func=replenish_calc, description="计算补货量，需输入库存（数字）和月均销量（数字）")
]

# 2. 初始化ReAct+TOT Agent
memory = ConversationBufferMemory(return_messages=True)

# 系统Prompt：融合TOT多路径评估与ReAct思考-行动-观察
system_prompt = """
你是库存决策Agent，需通过TOT+ReAct框架完成决策，规则如下：
1. 思考（Reason）：每步先说明“为什么做”（如“需要先查库存，才能判断是否需分析销量”）；
2. 行动（Act）：调用工具时按格式：{工具名}(参数)，仅调用必要工具；
3. 观察（Observe）：获取工具结果后，评估是否需要下一步（如“库存30件，需分析销量→调用sales_analysis”）；
4. TOT评估：若某路径无结果（如工具调用失败），回溯到上一步换路径（如“库存查询失败→重新确认产品ID”）。
目标：判断产品是否补货及补货量，输出最终决策。
"""

agent = initialize_agent(
    tools=tools,
    llm=llm,
    agent=AgentType.CHAT_CONVERSATIONAL_REACT_DESCRIPTION,
    memory=memory,
    verbose=True,
    agent_kwargs={"system_message": system_prompt}
)

# 测试Agent
result = agent.run("帮我决策PROD-001是否需要补货，以及补多少")
print("最终决策：", result)

---

三、核心应用场景

1. 逻辑推理类任务

• 场景：24 点游戏、数学证明、逻辑题求解、密码破解。
• 价值：TOT 的多路径探索避免单一推理失误，提升解题成功率。

2. 复杂业务决策

• 场景：库存补货、营销方案制定、跨部门项目规划。
• 价值：ReAct 的透明化思考 + TOT 的路径优化，确保决策全面且可追溯。

3. 多工具协同任务

• 场景：数据采集→分析→可视化→报告生成、故障排查→工具调用→修复验证。
• 价值：避免工具调用混乱，每一步行动都有明确思考依据，提升任务闭环效率。

---

四、实操避坑与优化指南

1. 常见问题与解决方案

• TOT 路径过多导致效率低：生成路径时限制数量（如 “最多 3 条”），评估时提高分数阈值（如 “仅保留≥6 分的路径”）。
• ReAct 思考与行动脱节：Prompt 中强制 “思考必须对应行动”（如 “思考后必须调用工具或输出结果，不允许无行动的思考”）。
• 回溯逻辑缺失：在 Prompt 中明确回溯触发条件（如 “工具返回无数据→回溯到上一步重新确认参数”）。
• 工具参数错误：ReAct 思考阶段需明确参数格式（如 “调用 replenish_calc 需提取库存和销量的数字，避免文本”）。

2. 核心优化技巧

• Prompt 强化引导：明确思考格式（如 “思考：XXX”）、行动格式（如 “行动：XXX (XXX)”），减少模型理解偏差。
• 评估标准量化：TOT 评估时给出具体打分规则（如 “库存＜月销 50%→路径分数 8 分，否则 3 分”），避免主观判断。
• 记忆模块优化：用ConversationTokenBufferMemory限制记忆长度，优先保留 “思考 - 行动 - 观察” 关键节点，避免冗余信息。
• 模型选型适配：复杂推理场景用 GLM-4、GPT-4o 等高性能模型，简单场景用 GLM-3-turbo 平衡效率与成本。