比乔布斯早91年,鲁迅的老师说了同一句话

← 返回首页/AI工具实战

3 个 LLM 工程概念,彻底重写了我对 ADHD 不擅长精确、重复、状态维护类任务的理解

agent 通过 function calling 把精确计算外包给工具 如何反向照亮 ADHD 的不擅长精确、重复、状态维护类任务。

2025-04-227 分钟阅读Top 20
ADHDAIAI工具实战数字清单AI工具

3 个 LLM 工程概念,彻底重写了我对 ADHD 不擅长精确、重复、状态维护类任务的理解

报销单、周报、把文件放回原处——毁掉 ADHD 职业声誉的从来不是难的事,而是这些「简单」的事。LLM 工程对此有一个冷酷而解脱的解释。

我认识的每一个 ADHD 成年人,都有一份高度雷同的「翻车清单」:忘交报销单、表格填错行、订阅忘了退、同一封邮件三次忘记回。这些事没有一件是难的,所以每次翻车都会被(自己和别人)归因为「不上心」。直到我看到 LLM 工程师怎么谈论他们的模型,才意识到这个归因错在哪里。

1. 生成器不是状态机:架构决定了短板的位置

LLM 是概率生成器:它擅长联想、发散、在模糊问题上给出惊艳答案;但让它精确复述一串发票号、维护一个多步骤流程的中间状态、把同一件事严格重复一百遍——它会出错,而且是系统性地出错。工程师对此的反应很有启发性:没有人骂模型「不上心」,他们直接得出结论——生成器不该干状态机的活,然后把精确性外包给代码解释器、把状态外包给数据库、把重复外包给循环脚本。

ADHD 大脑是同一种架构。多巴胺调节的奖赏系统决定了它只为新奇、紧迫、有趣的信号分配资源,而「精确、重复、状态维护」恰好三项全不占。这不是性格缺陷,是架构属性——就像 LLM 会幻觉不是它「品行不端」。

2. 工具调用:识别「该出让的任务」是一种核心能力

agent 工程最优雅的设计是 function calling:模型自己判断「这一步我不该亲自算」,转而调用计算器、数据库、日历。注意——知道何时调用工具,本身就是智能的一部分。

这重写了我对「依赖工具」的羞耻感。ADHD 版的 function calling 清单:数字类交给自动扣款和报销 App、流程类交给 Goblin Tools 拆出的检查清单、记忆类交给 Saner.AI 这类外部索引。孔子说自己「述而不作」,却整理出六经——他把创造性生成和结构性维护清楚地分开处理。李白从不管账,但他身后有整个时代的抄写、编集系统替他维护状态;没有那套 harness,斗酒诗百篇也只是散佚的口头即兴。

3. 幂等与检查清单:给不可靠的执行器兜底

工程师假设每一步都可能失败,于是设计幂等操作(重复执行不出错)和显式校验点。这个「不信任内核」的设计哲学,恰恰是对内核最大的善待——它把可靠性从「每一步都别出错」降低为「出错了也能被接住」。

ADHD 生活的幂等化改造完全可行:所有账单自动支付(执行零次和一次结果相同)、钥匙钱包只允许存在于同一个碗里(状态收敛到单点)、周报用固定模板只填空不创作(把生成任务降级为查表任务)。每一项都在减少「必须靠当天状态在线才能完成」的环节。

边界

同构强度说明:这是 B 级机制类比——双侧都有真实文献支撑(ADHD 侧的奖赏系统研究、LLM 侧的可靠性工程),但「大脑=LLM」不成立。另一个诚实的提醒:外包状态维护不等于可以不知道自己的状态在哪里维护——你至少要维护一张「东西都外包给了谁」的总表,那是不可再外包的最后一层。

今天就能试的 3 件事

  1. 列出你的翻车清单:把过去一年所有「简单却翻车」的事写下来,逐条问:这是生成任务还是状态维护任务?
  2. 做一次 function calling 改造:挑清单里出现频率最高的一件,今天就把它接到一个自动化工具上。
  3. 幂等化一个日常:选一件反复出错的事,重新设计成「忘了也不炸」的形态。

「简单的事都做不好」是对 ADHD 最深的误解。正确的表述是:那些事对这种架构来说从来不简单——而正确的回应不是更努力,是换执行器。

参考来源


本文是「ADHD × AI」系列的第 5 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。

研究院、星略、猎人、电商,是同一套。