Tree of Thoughts 是一个面向 AI 消费的结构化推理技能参考文档，设计目标是让 Claude 在执行过程中读取并遵循。文档指出，人类可读的解释可参考 docs/architecture/HIERARCHICAL_PLANNING.md 或 docs/getting-started/ 下的相关内容。
用途 该技能适用于解决方案空间存在分支、探索过程中部分路径明显变弱的问题，由 rules/workflow/tree-of-thoughts.md 规定何时使用及为何使用。主要场景包括架构设计、缺陷根因排查、性能优化、安全分析与重构策略规划。
不适用情形 文档明确列出：线性问题（只有一条明显路径）、快速或标准复杂度的任务（成本过高）、用户已明确表示“just do”或“must do”的任务，以及令牌预算超过 120K 的工作流项目，都不建议使用。
主要能力：树状搜索协议 默认参数为：宽度 3（每个节点的分支数）、深度 3、剪枝阈值 6/10（评分低于 6 分即剪枝）、剪枝前最多 9 个叶子，剪枝后通常保留 3–5 个。
协议分七步：第一步陈述根问题，将其写成单个问题或目标；第二步生成深度 1 的 2–3 个高层方案分支；第三步按评分标准逐项打 0–10 分并计算加权总分，评分标准包括当前团队可行性（30%）、令牌/实现成本（20%）、回滚安全性（25%）、是否满足给定约束（25%），低于 6/10 的分支被剪掉；第四步对存活分支各提出 2–3 个子步骤并再次评分剪枝；第五步展开到深度 3 的叶子并评分剪枝；第六步选取得分最高的叶子作为最终方案，展示根→分支→子步骤→动作的完整路径；第七步按指定格式输出，包含获胜叶子、路径、被剪枝分支及原因、风险。文档还给出调试示例，将每个分支作为假设进行评分与剪枝，最终定位获胜叶子并说明验证方式。
线性模式 文档强调全树搜索并不总是划算：当只有一条合理路径、工作属于有序分析而非在真正不同的方案间取舍时，应放弃分支/剪枝机制，改为运行单条有序思维链，这是成本更低的模式，应优先考虑，只有出现真正备选方案时才升级到完整树。触发词包括 sequential thinking、step by step reasoning、structured thinking、revise reasoning。文档给出了思维链模板（Thought 1/N 初始分析、后续深化、REVISION 修正先前假设、BRANCH A 出现真正备选角度时的权衡、FINAL 综合结论），并说明线性链可动态调整：复杂度上升时增加思维、比预期简单时跳到 FINAL、出现多条有效路径时创建 BRANCH 或升级为完整树。文档还给出粗略规模参考：架构设计 5–8 步、缺陷根因 3–5 步、性能优化 4–6 步、安全分析 5–7 步、重构策略 4–6 步。
反模式 文档列出：不剪枝（保留全部 9 个叶子导致成本膨胀）、装饰性分支（3 个分支只是同一想法的微小变体，应真正不同）、过度深入（到深度 5 以上很少改变最终答案且成本指数增长）、对线性问题使用 ToT（没有真正备选方案时属于表演）。
关联文件 rules/workflow/tree-of-thoughts.md（策略）、rules/workflow/self-consistency.md（基于投票的技术）、skills/chain-of-verification/SKILL.md（验证获胜叶子的事实）、skills/bugfix-quick/SKILL.md（用 ToT 构建假设树，v3.5 起调试并入 bugfix-quick）、skills/refactor-expert/SKILL.md（用 ToT 做重构规划）。