开发者公开 LLM 工作流框架 Thought Tree 草稿

近日，独立开发者在 Hacker News 发布「Thought Tree Framework」开源交接稿，提出一种用于描述大语言模型辅助认知工作的结构化工作流框架。原文作者因家庭与工作原因无法继续推进，决定将概念与部分原型公开，供社区研究、批评、Fork 或接续开发。

框架定位

Thought Tree 试图把 LLM 辅助工作从一次性提示词、不透明的 Agent 循环或松散的脚本中抽离出来，转而用「数据单元 → 操作 → 数据单元」的可递归模式描述认知任务。每个工作流明确声明输入、产出物、变换操作、验证方式与执行轨迹，目标是让 LLM 流程具备生产系统应有的可检视性、可复用性与可审计性。

核心概念

• 数据单元（Data Unit）：工作流使用的离散产物，如源文档、需求清单、章节草稿、评审报告等，可以是文件或任意可寻址对象。
• 操作（Operation）：将输入数据单元变换为输出数据单元的步骤，可由 LLM、确定性函数、外部工具、子模块或人类评审执行。
• 模块（Module）：可复用的认知程序，声明输入、变量、迭代器、操作、中间产物与最终输出，可独立运行或被其他模块调用。
• 认知引擎（Cognitive Engine）：负责加载、校验、编译与执行 Thought Tree 定义，并协调 LLM、代码与人工审阅；LLM 负责处理模糊性，代码负责结构与执行。
• TTML：Thought Tree Markup Language，是框架当前的 XML 草稿格式，用于描述模块定义。

项目现状

作者明确表示这是一次「交接发布」：概念已成型并有部分原型，但并非可投产系统。仓库公开的目的包括供他人学习、批评、Fork、完善 TTML、构建示例，以及与现有 Agent 与工作流框架进行对比。作者在文中强调，发布目标并非宣称框架已完成，而是避免思路被搁置。

与现有生态的关系

Thought Tree 所要解决的问题——让 LLM 工作流具备显式结构、可检视中间结果、模型无关与审计能力——与 LangChain、LangGraph、DSPy 等已有框架的目标存在明显重叠。其差异化主张在于以「数据单元」与「操作」为一等公民、强调产物可追溯与可替换，并尝试用独立于模型供应商的 XML 描述来定义工作流。但框架目前缺乏可运行的参考实现、性能数据与社区采用度，能否在已有生态中突围仍取决于后续接手者。