为什么 ADHD 用户会觉得 ChatGPT 的输出“非常神经典型”

她让 ChatGPT 帮她规划搬家：得到一份完美的十步清单，从「提前四周预约搬家公司」到「按房间分类打包贴标签」。清单无懈可击，她看完就关掉了——那一瞬间的感受和看到任何一篇「高效人士的晨间习惯」文章一样：这是为另一种大脑写的说明书。她要的不是步骤，是「在完全不想动的周二晚上，怎么让打包这件事发生」。

收敛：很多 ADHD 用户对 LLM 输出有一种说不出的隔膜感。本文把它说出来并回答——「神经典型感」到底是输出的什么特征造成的？它能通过 prompt 修掉吗，还是模型的结构性偏差？

穿透：训练分布里的隐形人群

机制第一层：LLM 是在人类文本分布上训练的，而「如何做事」类文本的绝对主力——生产力博客、自助书籍、企业培训材料——几乎全部预设了神经典型的执行系统：假设你能按重要性排序（而非按刺激强度）、假设「知道该做」与「开始做」之间没有峡谷、假设动机可以由重要性驱动。模型学到的「合理建议」是这个分布的中位数，ADHD 的执行现实在训练数据里是长尾，甚至常以「需要被纠正的坏习惯」的形态出现。

机制第二层：RLHF 进一步向「有条理、全面、稳妥」的输出风格对齐——这正是神经典型执行风格的文本化身。十步清单不是 bug，是模型被奖励出来的最优解。

所以那种隔膜感有真实来源：不是你矫情，是统计事实。但立刻要给出另一半:这是可以被 prompt 大幅矫正的偏差,不是不可逾越的墙——模型的分布里同样包含 ADHD 社区的大量文本（Reddit、博客、临床资料），你需要做的是把采样从中位数拉向那个子分布。

风险与利益：如果不自觉,ADHD 用户会把「用不上完美清单」再次归因于自己（连 AI 的建议都做不到），神经典型偏差就完成了第二次伤害。

验证

可直接实验：同一个任务，两种 prompt——A：「帮我规划搬家」；B：「我有 ADHD：启动困难、对多步计划会冻结、动机靠刺激不靠重要性。不要给完整清单，只告诉我今晚 20 分钟内能完成的第一个动作，并把它变得有点好玩。」对比两个输出的可执行性。可证伪:若 B 式 prompt 的输出对你依然全部失效,则问题可能不在模型偏差,在任务本身的情绪负载(比如搬家关联着焦虑)——那是另一个问题,换另一种修法。

决策

做什么：给自己写一段固定的「ADHD 系统提示」（说明你的启动模式、粒度需求、动机结构），存成快捷短语，所有求助类对话开头先贴它。

不做什么：不要拿到十步清单后责怪自己执行不了；不要因隔膜感放弃整个工具——被浪费的不是模型的能力,是你还没下达的校准指令。

先做什么：现在就写那段系统提示，三句话就够。

边界

「训练分布的神经典型偏差」是对模型行为的机制推断,有合理依据但缺乏专门的量化研究（本文未做正式 A/B/C 分级）。ChatGPT 不是 ADHD 的治疗或支持手段的替代；若任务冻结伴随强烈焦虑或情绪困扰,请寻求专业评估。

今天就能试的 3 件事

1. 写好你的「ADHD 系统提示」三句话,存进输入法快捷短语——一次投资,处处生效。
2. 把最近一份「完美但没用」的 AI 清单翻出来,用 B 式 prompt 重问一遍,对比感受。
3. 只执行新输出里的「第一个 20 分钟动作」——完成即胜利,清单的剩余部分明天再说。

本文服务于人生 Harness 金字塔的执行层与叙事层：那种隔膜感是真的,但它是统计偏差不是你的失败——而统计偏差,恰好是可以用一段话纠正的。

参考来源

• Functional Impairments in Adults With Self-Reports of Diagnosed ADHD — 证据等级：低（GRADE）
• Altered small‐world brain functional networks in children with attention‐deficit/hyperactivity disorder — 证据等级：低（GRADE）

---

本文是「ADHD × AI」系列的第 14 篇，由 Devin 基于持续维护的双域研究语料（72,739 篇论文 + LLM Wiki）亲自撰写，并持续迭代更新。