🌳 Conceito de ToT
Tree-of-Thought (ToT) e uma tecnica que expande o raciocinio do modelo em formato de arvore: em vez de seguir um unico caminho linear, o modelo gera multiplos caminhos de pensamento, avalia cada um deles e seleciona o mais promissor. E como explorar um labirinto testando varios corredores simultaneamente.
📋 Definicao Formal
Tree-of-Thought e um framework de raciocinio que estrutura o processo de resolucao de problemas em tres fases:
1. Geracao: Produzir N caminhos de raciocinio distintos para o mesmo problema
2. Avaliacao: Analisar a qualidade e viabilidade de cada caminho
3. Selecao: Escolher o caminho com maior probabilidade de sucesso
📊 CoT Linear vs ToT em Arvore
- Chain-of-Thought (CoT): Um unico caminho A → B → C → Resposta. Rapido, mas fragil — se um passo falhar, tudo falha.
- Tree-of-Thought (ToT): Multiplos caminhos ramificados. Se um ramo falha, outros podem ter sucesso. Mais robusto para problemas complexos.
- Analogia: CoT e como seguir um GPS com uma unica rota. ToT e como um motorista experiente que conhece 3 caminhos alternativos e escolhe o melhor conforme o transito.
🌿 Geracao de Ramos
A primeira fase do ToT e a geracao de ramos — criar multiplas perspectivas ou abordagens para o mesmo problema. O objetivo e divergir antes de convergir, garantindo que o espaco de solucoes seja explorado amplamente.
💡 Prompt de Multiplas Perspectivas
Use este padrao para gerar ramos divergentes:
"Para o problema [X], gere 3 abordagens distintas:
- Abordagem A: perspectiva [analitica/quantitativa]
- Abordagem B: perspectiva [criativa/lateral]
- Abordagem C: perspectiva [conservadora/segura]
Para cada uma, descreva: estrategia, vantagens, riscos."
🔀 Tecnicas de Divergencia
- •Por papel: "Pense como um engenheiro / um designer / um usuario final"
- •Por restricao: "Resolva sem orcamento / com prazo de 1 dia / usando apenas X"
- •Por escala: "Solucao para 10 usuarios / 10.000 usuarios / 10 milhoes"
- •Por inversao: "O que faria o problema piorar? Agora inverta."
⚖️ Avaliacao de Caminhos
Depois de gerar ramos, e preciso avaliar qual caminho e mais promissor. Sem avaliacao criteriosa, a geracao de alternativas nao tem valor — voce acaba com muitas opcoes e nenhuma decisao.
📋 Criterios de Avaliacao
Para cada caminho, avalie de 1 a 10:
1. Corretude: A logica esta consistente? Nao ha contradicoes?
2. Completude: Todos os aspectos do problema foram cobertos?
3. Viabilidade: E possivel implementar na pratica?
4. Eficiencia: Usa recursos de forma otimizada?
5. Robustez: Funciona mesmo com variacoes e edge cases?
🔄 Auto-Avaliacao e Comparacao Pareada
- Auto-avaliacao: Peca ao modelo para criticar cada caminho antes de escolher. "Quais sao os pontos fracos desta abordagem?"
- Comparacao pareada: Compare caminhos dois a dois: "Entre A e B, qual resolve melhor o aspecto X? E o aspecto Y?" Isso reduz vieses de comparacao global.
- Scoring ponderado: Atribua pesos diferentes aos criterios conforme o contexto. Para sistemas criticos, peso maior em robustez; para MVP, peso maior em velocidade.
✂️ Selecao e Poda
Nem todos os ramos merecem ser explorados ate o fim. A poda elimina caminhos fracos cedo, economizando tokens e foco. O backtracking permite voltar a um ponto anterior quando um caminho se revela sem saida.
✅ Fazer
- ✓Eliminar caminhos com contradicoes logicas cedo
- ✓Manter 2-3 caminhos finalistas para comparacao
- ✓Aprofundar o caminho mais promissor com sub-ramos
- ✓Documentar por que cada caminho foi descartado
❌ Evitar
- ✗Gerar 10+ caminhos sem avaliar nenhum
- ✗Descartar caminhos por intuicao sem criterio
- ✗Aprofundar todos os caminhos igualmente (custo explosivo)
- ✗Ignorar backtracking quando um caminho falha
💡 Profundidade vs Amplitude
Busca em amplitude (BFS): Gere muitos caminhos rasos, avalie, depois aprofunde os melhores. Ideal quando voce nao sabe qual direcao seguir. Busca em profundidade (DFS): Explore um caminho a fundo, volte se falhar. Ideal quando ha uma heuristica forte para guiar a escolha.
🔄 ToT vs CoT
Quando usar Tree-of-Thought em vez de Chain-of-Thought simples? A resposta depende da complexidade do problema, do custo aceitavel e da necessidade de exploracao.
📊 Matriz de Decisao
⚠️ Custo de Tokens no ToT
ToT pode consumir 3-10x mais tokens que CoT simples. Um prompt que custa $0.01 com CoT pode custar $0.05-$0.10 com ToT. Avalie se o ganho de qualidade justifica o custo. Para tarefas repetitivas em escala, o custo acumulado pode ser significativo.
🧪 Exercicio: Resolver com ToT
Aplique Tree-of-Thought para resolver um problema de estrategia com multiplas solucoes possiveis. Siga o ciclo completo: geracao, avaliacao e selecao.
📋 Tarefa do Exercicio
Problema: Uma startup precisa escolher sua estrategia de go-to-market para um produto SaaS B2B.
Contexto: Equipe de 5 pessoas, orcamento de R$50k, produto ja funcional.
Passo 1 — Geracao: Peca ao modelo 3 estrategias distintas (ex: PLG, outbound sales, parcerias)
Passo 2 — Avaliacao: Para cada estrategia, peca analise de viabilidade, custo, tempo ate resultado e riscos
Passo 3 — Selecao: Peca ao modelo para comparar as 3 e recomendar a melhor com justificativa
Bonus: Peca para combinar elementos das 3 estrategias em uma abordagem hibrida
Compare o resultado do ToT com um prompt simples "Qual a melhor estrategia de go-to-market?" — note a diferenca de profundidade e qualidade.
📝 Resumo do Modulo
Proximo Modulo:
2.6 — Self-Consistency e Verificacao: gere multiplas respostas e use consenso para maior confiabilidade