3 个 LLM 工程概念，彻底重写了我对 ADHD 怕过度依赖工具、又怕没有支撑就崩的理解

「离了 App 我就废了」和「不用 App 我早废了」都是真的。这个死结在 agent 工程里有个成熟的答案：区分运行时依赖和训练时脚手架。

每个用工具管理自己的 ADHD 者，心里都住着两个互相吵架的声音。一个说：没有这些提醒、清单、自动排程，我上周就把三件事搞砸了。另一个说：你越用越依赖，哪天 App 倒闭了你怎么办？这不是矫情——这是一个真实的工程问题，而且 agent 工程师每天都在处理它。

1. 运行时依赖 vs 训练时脚手架：两种「依赖」根本不是一回事

LLM 系统里有两类外部支撑，工程师从不混淆。一类是运行时依赖：检索系统、计算器、代码解释器——模型永远需要它们，没人觉得这是耻辱，因为「模型不该自己硬算」本来就是设计决策。另一类是训练时脚手架：few-shot 示例、分步提示、思维链模板——它们的使命就是在能力上线后被移除。

ADHD 工具焦虑的根源，是把所有工具都塞进了同一个道德框架里评判。正确的做法是先分类：日历和自动扣款是运行时依赖——你的时间感知和状态维护是架构短板，终生外包，理直气壮，就像近视者不为眼镜羞愧。而「用 AI 拆任务」可以设计成训练时脚手架——如果你在使用时旁听它的拆法。分类清楚之后，两个声音就不吵了：该依赖的永久依赖，该褪去的设计褪去路径。

2. 优雅降级：好系统的标准不是不崩，是崩得有层次

工程上没人追求「系统永不失效」，追求的是 graceful degradation：主方案挂了有备份，备份挂了有手动模式，手动模式挂了至少报警。评价一个 harness 的标准不是它在的时候多好用，而是它不在的时候你摔得多惨。

这直接回应「没有支撑就崩」的恐惧：怕崩不是因为你用了工具，是因为你的工具栈没有降级设计。改造方法很具体——给每个关键依赖问一句「它挂了我怎么办」：Motion 宕机→纸质的当日三件事卡片；手机没电→钱包里那张写着今天最重要一件事的纸条。降级方案不需要好用，只需要存在。恐惧的解药不是减少依赖，是知道每一层下面还有一层。

3. 能力剖面：依赖不会让你变弱，错误的依赖对象才会

「用进废退」的担忧有真实成分——抑制控制训练研究证实相关脑网络确实可塑（训练可改善，废弃会退化）。但 agent 工程给了一个更精细的视角：外包一个任务是否有害，取决于它是不是你的可增长维度。模型永远外包精确计算（那不是它的增长维度），但不外包推理本身（那是）。

ADHD 版的判断规则：时间感知、提醒、状态维护——架构性短板，增长空间有限，放心终生外包；而任务拆解、优先级判断、情绪命名——这些有真实的增长曲线，外包时要留「旁听位」，让工具当教练而不是代驾。区分标准很简单：这件事你练了十年有变好吗？有，留一手；没有，外包掉，别再用道德绑架自己。

边界

同构强度 B 级：机制类比。「脚手架/拐杖」的界线在人类这里比在模型那里模糊得多——人有情绪对依赖对象的依恋、有自我叙事，这些是工程类比覆盖不到的层。如果对工具的依赖已经伴随强烈的自我贬低（「我是个离了 App 就不能活的废物」），那要处理的是叙事而不是工具栈。

今天就能试的 3 件事

1. 给你的工具栈做一次分类：每个工具标注「运行时依赖」或「训练时脚手架」。前者以后免于自责，后者写明褪去条件。
2. 做一次降级演习：挑最依赖的一个工具，假装它今天宕机，用纸质方案跑一天。跑通了，恐惧减半。
3. 给一个脚手架加旁听位：下次让 AI 拆任务时，先自己拆一版再对比——差距就是你的课程表。

怕依赖，又怕没支撑——这不是软弱，是你还没给自己的系统写依赖清单。写完那张清单，两种怕都会变成同一样东西：架构文档。

参考来源

• The 12 Best Apps for ADHD in 2026: A Guide to Finding What … — 证据等级：低（GRADE）
• Dynamic causal brain circuits during working memory and their functional controllability — 证据等级：低（GRADE）
• ADHD Apps: We tested 44 Apps and Here’re the Best 9 in 2026 — 证据等级：低（GRADE）
• 12 AI Personal Assistants Built for ADHD Brains (2026 Rankings) — 证据等级：低（GRADE）
• Deficient Executive Control in Transformer Attention — 证据等级：低（GRADE）
• Strong Memory, Weak Control: An Empirical Study of Executive Functioning in LLMs — 证据等级：低（GRADE）

---

本文是「ADHD × AI」系列的第 13 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。