用 ChatGPT 给 ADHD 补上幻觉与验证循环，是脚手架还是拐杖？

他发现自己的「计划幻觉」是在一次搬家时:他信誓旦旦地告诉伴侣「周六一天就能搬完」,理由充分、细节生动——然后实际用了三天,和他过去每一次「一天就能搞定」一样。那些估计不是谎言,是他大脑当时真实的输出:流畅、自信、错误。后来他养成一个习惯:所有计划先丢给 ChatGPT,让它专门挑刺——「这个时间估计的问题在哪?我漏了什么步骤?」有用,确实有用。但半年后一个问题开始咬他:我是在搭一个终将拆掉的脚手架,还是在造一根离了就不能走的拐杖?

收敛:本文只回答这一个判断题——用 AI 给自己的「计划幻觉」加验证循环,什么条件下是脚手架(用完能拆、能力留下),什么条件下是拐杖(越用越离不开)?判据是什么?

穿透:同一个工具,两种完全不同的使用结构

先钉住类比里成立的部分。LLM 的幻觉是「流畅且自信的错误生成」,而 ADHD 的计划幻觉结构相同:时间估计的系统性乐观(文献里这叫规划谬误,在 ADHD 身上被时间感知偏差进一步放大)、对步骤复杂度的低估、以及对「这次不一样」的真诚确信——**都是生成系统在没有验证层的情况下直接出货。**给 LLM 的工程解法是外挂验证循环,给人挂一个 AI 验证器,方向完全正确。

关键在「怎么挂」。脚手架和拐杖的区别,建筑学定义得很清楚:**脚手架的存在是为了让建筑自己长出承重结构,拆掉后建筑必须自己站着;拐杖替代承重,拆掉即倒。**翻译成使用结构,判据有三条:

①**你有没有从验证结果里提炼「自己的规则」?脚手架式用法:每次 AI 挑出的刺,你记进一个「我的幻觉模式清单」(「我永远低估收尾时间」「我总忘记依赖别人的环节」)——三个月后,清单里的模式你自己就能预检,AI 只剩兜底。拐杖式用法:每次都问,每次都听,从不沉淀——第一百次和第一次一样离不开。②验证的触发权在谁手里?脚手架式:你已经内化了「什么时候该验证」的直觉(大承诺前、对人报时间前);拐杖式:不问 AI 就不安,连「今晚吃什么」都要过一遍。③AI 下线时你的表现衰减多少?**脚手架:估计质量降一点但流程还在(你还是会自己过一遍清单);拐杖:直接回到裸奔幻觉。

而有一个维度必须诚实:对时间感知这类神经层面的差异,「内化」有天花板——你可以学会自己的偏差模式并手动修正(估完×1.5),但那种「对时长的直觉」可能永远不会长出来。这不是失败:**眼镜也是终身拐杖,没人要求近视者「内化视力」。**结论是分层的:模式识别可以内化(往脚手架方向用),底层感知可以终身外包(坦然当拐杖用)——罪不在拐,在把可以长的肌肉也交给了拐。

验证

四周自测:建「幻觉模式清单」,每次 AI 验证后手动记一条模式;第四周做一次盲测——一个中等计划,先自己预检(用清单),再给 AI 验证,数 AI 还能在你之后挑出几根刺。刺越来越少=脚手架在起作用;数量不变=你在拐杖模式,回去补第①条。可证伪:若清单记了四周、盲测毫无进步,你的幻觉可能主要来自底层时间感知而非模式盲区——那就调整分工:模式检查继续自己做,时间数字永远外包(并接受这个「永远」)。

决策

做什么:验证循环继续用,但强制配「模式清单」这一沉淀动作;把 AI 的角色从「每次的答案」改为「教练+兜底」;对时间估计,接受终身×系数的外部修正。

不做什么:不要为「独立」而放弃验证(裸奔幻觉的代价是真金白银和伴侣的信任);不要给所有决定都挂验证(小事的错误是便宜的学费,全挂验证是把拐杖插进健康的腿)。

先做什么:今天建清单,把你被 AI(或现实)挑过刺的三个计划幻觉写成三条模式——你的自检表从今天开始积累。

边界

「计划幻觉↔LLM 幻觉」为 B 级行为类比(输出形态相似,机制不同:规划谬误+时间感知差异 vs 概率生成);规划谬误有扎实文献,ADHD 时间感知偏差有中等证据(本文未做正式 A/B/C 分级)。脚手架/拐杖之辨不适用于危机期——状态崩溃时,一切支撑都是正当的,拆解讨论留给稳定期。

今天就能试的 3 件事

1. 建「幻觉模式清单」,写入前三条——每条格式:场景+我总是怎么错+修正规则。
2. 手头最近的一个计划,先自己用清单预检,再交 AI 验证——数一数它比你多挑出几根刺,那就是你当前的脚手架进度条。
3. 把「时间估计×1.5」设为默认规则,今天对人报的下一个时间就用它——这一根拐,建议终身持有。

本文服务于人生 Harness 金字塔的执行层与叙事层:工具的性质不由工具决定,由使用结构决定——会用的人,让 AI 把自己教到只剩兜底;不会用的人,让 AI 把自己宠到不能走路。差别只在:你有没有边用边记那份清单。

专业支持边界：如果你正处于情绪危机或有自伤念头，请立即联系当地心理危机干预热线或前往医院精神科急诊——这不是任何文章或工具能替代的。 ADHD 的诊断需要由精神科医生或具备资质的临床心理师完成，请勿凭自评量表或文章内容自我确诊。

参考来源

• 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）
• Algorithmic Classification of Psychiatric Disorder-Related Spontaneous Communication Using LLM Embeddings — 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）
• Comorbidity of LD and ADHD — 证据等级：低（GRADE）

---

本文是「ADHD × AI」系列的第 73 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。