思维树：一个人的动机分析
创意：一个人表现出令人困惑的行为。智能体并行探索多种心理学解释，对其进行评分，然后仅将最强的假设扩展为最终分析。
可视化树
示例 12 展示的内容
- 分支（Branch）：构建四个相互竞争的心理学假设。
- 评分（Score）：独立评估每个假设。
- 剪枝（Prune）：仅保留得分最高的分支。
- 结论（Conclusion）：仅基于获胜者生成最终分析。
这个示例有意同时展示了思维树的优势（结构化探索）和劣势（剪枝后的信息丢失）。
代码中的三个核心原则
| 原则 | 代码中的实现 |
|---|---|
| 分支 | developHypothesis() 为每个视角创建一个假设 |
| 评估 | scoreHypothesis() 对每个假设进行评分 |
| 剪枝 | pruneHypotheses() 丢弃所有非获胜者 |
明确展示的结构性缺陷
最后，控制台会打印出被丢弃的内容。这些分支可能包含纠正性的洞察，但它们不再影响最终结论。
这就是严格思维树剪枝的核心局限性。
在实际工作中何时使用思维树
当你需要一个明确的获胜者和简单的决策路径时，使用思维树。
系统管理员的心智模型
你收到一个生产告警：发布后 API 延迟从 200 毫秒跳升到 2 秒。
- 分支：数据库饱和、缓存击穿风暴、或嘈杂邻居网络问题。
- 评分：每个分支根据仪表盘和日志进行基于证据的评分。
- 剪枝：选择置信度最高的原因（例如缓存崩溃）。
- 行动：首先执行一条补救路径（例如紧急缓存预热 + TTL 回滚）。
为什么适合：事故响应通常需要一条快速、可审计的决策路径。
开发者的心智模型
你需要在上线前加速一个缓慢的接口。
- 分支：添加 Redis 缓存、用更好的索引重写查询、或异步预计算数据。
- 评分：按实施工作量、风险、预期收益和可测试性进行评估。
- 剪枝：选择一个策略立即实施。
- 行动：上线所选的变更并进行测量。
为什么适合：当截止日期临近时，团队通常需要一个实施赢家。
AI 智能体创建者的心智模型
你正在构建一个必须选择修复策略的自主编码智能体。
- 分支：最小补丁、更深层次的重构、或回滚 + 防护栏。
- 评分：按失败风险、爆炸半径以及来自代码仓库证据的置信度进行排名。
- 剪枝：保留一个执行计划。
- 行动：执行、验证并报告。
总结
思维树在以下情况下最为强大：
- 时间有限
- 输出应是一个可执行的方向
- 且维护多个替代方案的成本高于丢失细微差别的风险