图思维：一个人的动机分析
图思维（Graph of Thought）保持多条推理线索并存并将其组合。与思维树（Tree of Thought）不同，较弱的分支不会被自动丢弃。
可视化图结构
为什么图思维能给出不同层次的答案
思维树通常选择一个获胜者并丢弃替代方案。图思维恰恰相反：它通过图操作复用替代方案。
在本示例中：
- 分支（Branch）：构建四个相互竞争的假设。
- 评分（Score）：对它们排名，但全部保留在图中。
- 对比（Contrast）：将分歧转化为新的诊断信号。
- 精炼（Refine）：利用强势分支改进弱势分支。
- 聚合（Aggregate）：将多个来源合并为综合分析。
- 结论（Conclude）：使用所有线索得出最终整合视图。
图思维操作及其价值
| 操作 | 在本示例中揭示的内容 |
|---|---|
| 对比 | 假设之间的建设性张力成为显式证据 |
| 精炼 | 弱势假设被挽救而非丢弃 |
| 聚合 | 不同线索被综合为更丰富的中间视图 |
| 结论 | 最终答案包含矛盾和被挽救的洞察 |
核心要点
思维树 vs 图思维
思维树问：哪个分支获胜？
图思维问：多个分支如何互动以产生更好的最终模型？
图思维问：多个分支如何互动以产生更好的最终模型？
这就是为什么图思维能够产生不仅仅是"评分更高"，而是结构上更完整的答案。
在实际工作中何时使用图思维
当多个视角需要保持关联并相互影响时，使用图思维。
系统管理员的心智模型
一次区域性故障仅影响部分用户，且各工具的症状相互矛盾。
- 分支：网络路由问题、数据库复制延迟、或认证服务依赖超时。
- 对比：比较相互矛盾的分支。
- 精炼：使用新的遥测数据更新较弱的解释。
- 聚合：构建一个综合事故模型。
- 结论：协调一个针对多个诱因的分阶段缓解计划。
为什么适合：真实事故往往是多因素的，过早丢弃"较弱"信号可能会隐藏真正的故障链。
开发者的心智模型
一个不稳定的端到端测试在 CI 中不可预测地失败。
- 分支：竞态条件、时钟偏差、测试数据耦合、或外部 API 不确定性。
- 对比：使用失败追踪和时间戳对假设进行两两比较。
- 精炼：利用日志和重跑的强证据改进弱势假设。
- 聚合：构建一个整合解释。
- 结论：生成一个结合代码变更、测试隔离和 CI 环境防护的修复计划。
为什么适合：调试通常需要假设之间的交互，而不是过早选出单一赢家。
AI 智能体创建者的心智模型
你正在为复杂任务设计一个研究级规划智能体。
- 分支：不同的任务分解和工具序列。
- 对比：让计划相互批判以暴露隐含假设。
- 精炼：利用强势计划的洞察改进弱势计划。
- 聚合：将互补的子计划合并为一个稳健的策略。
- 结论：在更丰富的上下文中执行，并保留可追溯的推理产物。
为什么适合：处理模糊、高风险任务的智能体受益于保留和重组推理，而非过早剪枝。
总结
图思维在以下情况下最为强大：
- 问题本身是模糊的
- 较弱的信号在精炼后可能变得有价值
- 且你希望最终答案保留矛盾而非隐藏它们