问题
开放性问题没有标准路径："这个系统该怎么设计？"单条思路一路走到底，容易过早收敛到平庸方案——模型和人类一样有锚定效应。
核心模式
并行探索：同时生成多条独立思路，再汇总评估。树搜索思想在 prompt 层的落地。
# 扇出：同一问题，不同视角/温度/提示引导
branches = await parallel([
explore(problem, lens="性能优先", temperature=0.9),
explore(problem, lens="成本优先", temperature=0.9),
explore(problem, lens="快速交付", temperature=0.9),
])
# 评估：独立评委给每条思路打分（也可用规则）
scored = [(judge(b, criteria), b) for b in branches]
# 收敛：最优方案为主线，吸收其他方案的亮点
final = synthesize(best(scored), highlights_from=others(scored))
关键是分支要真独立：只是重复采样同一 prompt，三条思路往往趋同；显式给不同视角约束（lens）才能拉开探索空间。
实战要点
- 适用边界：方案设计、疑难诊断、创意类任务值得并行；"查询类"任务并行纯属烧钱
- 分支数 3-4 个是甜点，再多方差收益递减、评审成本陡增
- 评委要独立于生成者：用不同模型/不同提示做评审，避免"自卖自夸"
- 这个模式是 Deep Research 类产品的核心引擎之一，也是多 Agent 扇出聚合（第 22 讲）的单模型简化版