本文针对智能合约修复中基于 AI 的现有方法依赖线性思维（如 Chain-of-Thought）导致错误累积、补丁不可靠的问题，提出了一种基于 Tree-of-Thought 框架的智能合约修复方法。智能合约一旦部署便无法修改，即使是小漏洞也可能造成重大财务损失，因此自动化修复至关重要。该方法首先将审计报告解析为结构化数据，随后使用静态分析工具 Slither 精确定位易受攻击的代码片段，最后通过三步推理框架同时探索多条修复路径，对候选方案进行评估并剔除差选项，最终通过编译和人工检查验证补丁的有效性。作者在来自 Code4Rena 的 50 个真实漏洞上进行了实验，结果表明该方法实现了 62% 的单一成功率（single success rate）和 84% 的前三名成功率（top-3 success rate），分别比基线 ContractTinker 高出 12 和 6 个百分点。此外，完全有效补丁的比例提升至 44%，缺陷补丁从 38% 降至 22%，无效补丁从 10% 降至 4%。该研究克服了线性推理的局限，使智能合约修复更加准确和实用。适合智能合约安全研究者、区块链安全工程师以及漏洞修复自动化工具开发者阅读。