为什么“AI越省事越危险”会成为 ADHD 工具设计里最反常识的一条原则？

两款 AI 日程工具的对比,成了他自己身上的一场实验。A 款是「全自动」:读邮件、自动建任务、智能排程,零操作;B 款「笨」一些:AI 给出建议,但每条任务都要他手动确认一下才生效。三个月后的结果和所有产品直觉相反:A 款他早就「用丢了」——不是卸载,是那种更彻底的丢失:系统运转着,他却完全不知道自己这周要干什么,日程和他之间再无关系;B 款那个每天要点几次确认的「麻烦」工具,反而活了下来——每一次确认,都像在日程和他之间缝了一针。

收敛:本文只回答——为什么「摩擦最小化」这条通用产品公理,在 ADHD 工具上会局部失效?「有益摩擦」的机制是什么,它和「有害摩擦」的分界线在哪?

穿透:零摩擦切断的,恰好是 ADHD 最稀缺的那根线

机制的核心是一个被通用产品思维忽略的变量:**参与感不是体验的装饰,是记忆与承诺的载体。**认知科学里有个稳健的效应:经过主动生成/操作的信息,留存远好于被动接收(生成效应);行为上,自己按下确认键的承诺,兑现率高于系统代办的承诺——**动作是心理所有权的印章。**对神经典型用户,零摩擦省掉的只是冗余;对 ADHD 用户,情况反转:前瞻记忆本就脆弱、对「不在眼前的事」的绑定本就松散,那一下手动确认可能是任务和意识之间唯一的接触点——省掉它,任务就从「我的事」退化成「系统里的一条数据」,于是出现 A 款的结局:系统完美运行,人彻底离线。

LLM 工程有一模一样的教训:全自动 agent 管线里,人被移出回路(out of the loop)之后,监督能力会随参与度一起衰减——等到系统出错时,人已经失去了判断错误的上下文。成熟的设计刻意保留关键节点的人工确认(HITL),不是不信任自动化,是为了让人保持在回路里的那份「在场」。ADHD 工具设计的原则由此可以写成一句:自动化负担,但保留仪式。——AI 应该消灭的是流程性负担(整理、格式、检索、拆解的粗活),必须保留的是绑定性仪式(确认、选择、启动的那一下)。

分界线可以给出操作定义:一段摩擦是有益还是有害,看它的功能——有害摩擦挡在「启动」之前(注册五步、配置复杂、每次使用要找入口——这些对 ADHD 是致命的,该无情消灭);有益摩擦长在「承诺」的节点上(确认今天做什么、亲手划掉完成项、每周手动回顾一次)——它们的成本以秒计,买到的是所有权。判断口诀:启动要滑,承诺要涩。

利益视角:「全自动」「零操作」是最好卖的卖点,而「我们保留了让你麻烦一下的设计」需要向投资人解释十分钟——市场会持续把工具推向过度自动化,这条原则只能由懂机制的用户自己守。

验证

个人可实验:选你的核心工具,如果它全自动,给自己加一道人工仪式(每早花 90 秒手动确认今日三件事,哪怕系统已经排好);如果做不到,换成有确认设计的工具。四周对比:你对「本周要干什么」的无提示回忆能力、以及任务的实际完成率。可证伪:若加了仪式后回忆与完成率毫无变化、只徒增烦躁,你可能属于「纯外置执行」受益型(确实有一部分用户如此)——那就回到全自动,但设一个每周一次的低频对账仪式做底线。

决策

做什么:用「启动要滑,承诺要涩」审计你的工具栈——启动路径上的摩擦全部清除,承诺节点上补一道手动仪式;选新工具时把「有没有确认设计」列入采购标准。

不做什么:不要以「效率」为由删掉最后那道确认(那不是效率,是断线);不要反过来迷信摩擦(手账党的过度仪式化是另一个坑——仪式超过 2 分钟/天就开始变成新的启动墙)。

先做什么:明早给自己 90 秒:亲手确认今天的三件事——今天就能体验那一针缝上去的感觉。

边界

生成效应与主动承诺的行为效应有认知科学基础(GRADE 中);「HITL 参与度衰减」为 B 级工程类比;「启动滑/承诺涩」是设计启发式而非验证理论(本文未做正式 A/B/C 分级)。个体差异真实存在——本文给的是实验协议,不是普适答案;若任何工具流程引发持续挫败,简化永远优先于坚持。

今天就能试的 3 件事

1. 审计工具栈:列出启动摩擦(消灭)与承诺节点(检查有没有仪式)各三处。
2. 明早执行 90 秒确认仪式,连续一周,记录「无提示回忆今日任务」的变化。
3. 下次看到「全自动、零操作」的宣传时,多问一句:它消灭的是我的负担,还是我的在场?

本文服务于人生 Harness 金字塔的执行层的设计哲学:最好的 ADHD 工具不是把你伺候到消失,是把粗活全部接走、然后在最关键的那一秒,把笔递回你手里——因为签名这个动作,必须是你的。

参考来源

• TRANSFORMER MECHANISMS MIMIC FRONTOSTRIATAL GATING OPERATIONS WHEN TRAINED ON HUMAN WORKING MEMORY TASKS — 证据等级：低（GRADE）
• High-Dimensional Minds and the Serialization Burden: Why LLMs Matter for Neurodivergent Communication — 证据等级：低（GRADE）
• Large Language Models as simulative agents for neurodivergent adult psychometric profiles — 证据等级：低（GRADE）
• Internal and external validity of Attention-Deficit Hyperactivity Disorder in a population-based sample of adults — 证据等级：低（GRADE）
• Prospective Study of Tobacco Smoking and Substance Dependencies Among Samples of ADHD and Non-ADHD Participants — 证据等级：中（GRADE）

---

本文是「ADHD × AI」系列的第 72 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。