用 ChatGPT 给 ADHD 补上无状态与外部记忆，是脚手架还是拐杖？

她和 ChatGPT 的对话有一种旁人不懂的亲密:项目脉络、拖延的原因、上周的决定和这周的顾虑,全在一个长长的对话线程里。「它比我自己更记得我。」直到某天那个线程莫名丢失,她坐在屏幕前感到一阵真实的恐慌——不是丢了资料的恐慌,是丢了「连续性」的恐慌:没有那个线程,她想不起这个项目里的自己是怎么一路走到今天的。

收敛:用 ChatGPT 当外部记忆已是 ADHD 社区的普遍实践,但「记忆放在对话里」有一个结构性的讽刺——**LLM 本身就是无状态的,你在把自己的状态托管给一个自己都没有状态的系统。**本文只回答:这种托管什么时候是脚手架,什么时候是危险的拐杖?

穿透:两层无状态的叠加

机制拆开看。ADHD 侧的「无状态感」是真实的日常体验:昨天的计划、上周的决定、这个项目的来龙去脉,提取起来时断时续——于是「把上下文都告诉 ChatGPT,让它帮我接续」成了自然的解法,而且短期极其有效:它耐心、无评判、随叫随到,是完美的状态保管员。

但 LLM 侧的机制戳破了这个安全感:模型本身不记得你——所谓「记忆」要么是当前对话窗口里的文本(线程一丢即蒸发),要么是产品层挂的记忆功能(摘要式、有损、你无法审计它记了什么丢了什么)。**你以为托管给了一个记忆系统,实际托管给了一个「记忆的体验」。**工程师自己怎么解决 agent 的连续性?从不依赖对话——用外部的、可版本化、可检索的存储(文件、数据库),对话只是操作界面。

风险的具体形态:①载体脆弱(线程丢失/产品变更/账号问题);②不可迁移(锁死在单一产品里);③最隐蔽的一条——叙事外包:「我是怎么走到今天的」这个自我故事,如果只存在于和 AI 的对话里,你的自传就写在了别人的服务器上。

验证

脚手架/拐杖的判据在这里很清晰:**看信息的最终落点。**脚手架用法:对话是加工车间,结论落到你控制的载体(笔记、文档、纸)——ChatGPT 帮你想,记忆归你存。拐杖用法:对话即档案,一切只在线程里。自测(一次性,10 分钟):现在关掉 ChatGPT,凭手头自己控制的材料,写出你当前最重要项目的三句话状态(进展到哪/下一步/最大风险)。写得出,你的记忆主权还在;写不出,你已经把状态押给了一个无状态的系统。

决策

做什么:建立「对话→落地」的固定管道——每次有价值的对话结束前,让 ChatGPT 用三行总结「决定了什么/下一步/需要记住什么」,把这三行复制进你自己的笔记系统。加工外包,存档自持。

不做什么:不要把 ChatGPT 的记忆功能当作唯一档案;不要试图用「更长的线程」解决连续性——那是把更多鸡蛋搬进同一个别人的篮子。

先做什么:先做那个 10 分钟测试,看清自己的托管深度,再决定管道怎么建。

边界

「ADHD 状态连续性↔LLM 无状态」是计算层类比(本文未做正式 A/B/C 分级);ChatGPT 未被证实为 ADHD 的记忆干预手段。若使用 AI 倾诉已在替代现实中的支持关系、且伴随孤立感加深或情绪困扰,请考虑寻求心理专业支持——保管员再好,也不能是唯一知道你故事的存在。

今天就能试的 3 件事

1. 做记忆主权测试:不开 AI,写出当前项目的三句话状态。
2. 给今天的下一次 AI 对话加一个收尾指令:「用三行总结:决定/下一步/要记住的」,把结果存进自己的笔记。
3. 把过去对话里最重要的一个线程,现在就提炼成一页自己的文档——赎回一份押在外面的自传。

本文服务于人生 Harness 金字塔的执行层与叙事层:让 AI 帮你记,但别让它替你拥有——你的连续性,应该存在你自己签名的地方。

参考来源

• Machine Learning Approaches to Identify and Classify ADHD: A … — 证据等级：低（GRADE）
• ADHD Assessment Form Template with Examples - Heidi Health — 证据等级：低（GRADE）
• Urban Trees and Human Health: A Scoping Review — 证据等级：低（GRADE）
• Comorbidity of LD and ADHD — 证据等级：低（GRADE）

---

本文是「ADHD × AI」系列的第 22 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。