3 个 LLM 工程概念，彻底重写了我对 ADHD 冲动下结论、想当然的理解

ADHD 的「想当然」和 LLM 的幻觉是同一类故障：生成太快，校验没跟上。工程师的解法不是让模型变乖，而是在外面装验证循环。

「你怎么又想当然了？」——如果你有 ADHD，这句话大概贯穿了你的整个求学和职业生涯。看一眼题目就开写，结果答的不是问的；听半句需求就动手，做完发现方向全错。多年来我以为这是性格轻率。直到看见 LLM 工程师描述幻觉的方式，我才第一次得到一个不带道德审判的解释。

1. 幻觉的机制：流畅度和正确性来自两个系统

LLM 产生幻觉时不是在「撒谎」——它在做它唯一会做的事：基于概率生成最流畅的下一个 token。流畅不等于正确，但生成过程本身无法区分这两者，因为校验根本不在生成回路里。

ADHD 的冲动结论是同一个结构。快速联想系统给出一个「感觉对」的答案，而负责按住它、说「等等，先核对一下」的抑制控制系统响应不及。冲突任务下的实证研究发现，Transformer 注意力在 Stroop 类干扰下表现出与执行功能缺陷同源的崩溃模式（Deficient Executive Control in Transformer Attention, 2025）——「按不住第一反应」在两种系统里都是可测量的架构现象，不是修养问题。

2. 验证循环：工程师从不指望模型自我纠正

关键洞见来了：面对幻觉，工程界的共识不是训练模型「下次想清楚再说」，而是承认生成器永远会犯这类错，然后在外面装验证循环——让另一个进程核对引用、跑测试、比对原始需求，不通过就打回重做。

这直接改写了 ADHD 的努力方向。「下次我一定想清楚再说」是所有改进承诺里最没用的一句，因为它试图在生成回路内部解决校验问题。有效的做法是外置验证：重要邮件写完放 10 分钟再发（人为插入校验延迟）；接需求时强制复述一遍「我理解你要的是 X，对吗」（回声校验）；重大决定过夜（让另一个认知状态当审稿人）。王阳明讲「事上磨练」，反对空想顿悟——本质是坚持让每个结论过一遍现实的验证循环。毛泽东的「没有调查，没有发言权」是同一条工程规则的政治表述：生成之前，先跑检索。

3. 温度参数:冲动不是缺陷本身，是缺了配套

LLM 的温度参数调高，输出更大胆、更有创造性，也更容易胡说。工程师需要创意时会主动调高温度——但一定配上更严的外部过滤。高温度+强校验=创造力系统；高温度+无校验=事故系统。

ADHD 大脑天生跑在高温度档。这意味着冲动和创造力是同一个参数的两个名字，你不可能只留一个。正确的问题从来不是「怎么变得慎重」，而是「我的过滤层在哪里」。可以是一个愿意给你泼冷水的合伙人，一份强制走完的检查清单（Goblin Tools 拆解出的步骤本身就是过滤层），或者一条「所有『马上回复』改成『一小时后回复』」的自动规则。

边界

诚实声明：这是机制类比而非科学等同——两侧文献真实存在，但跨系统的因果映射尚未被直接验证。且「外置校验」不能变成「凡事等别人把关」——过滤层太厚会把高温度的价值也滤掉。目标是配平，不是锁死。

今天就能试的 3 件事

1. 装一个 10 分钟延迟器：今天起，所有带情绪或带承诺的消息，写完必须放 10 分钟。
2. 练回声校验：接到任务先复述——「我理解你要的是……对吗？」每次 10 秒，挡掉一半想当然。
3. 给你的高温度找一个过滤层：明确指定一个人或一个清单，作为重大输出的强制校验环节。

冲动下结论不是你的 bug 清单里最丢人的一条。它是高温度生成器的出厂设置——缺的从来不是稳重，是 harness。

参考来源

• 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）
• LBD同构对：自我调节与元认知 — Inhibitory control and emotion regulation in preschool child ↔ ObjexMT: Objective Extraction and Metacognitive Calibration — 证据等级：低（GRADE）
• LBD同构对：自我调节与元认知 — Emotion-related self-regulation and its relation to children ↔ A Reproducibility Study of Metacognitive Retrieval-Augmented — 证据等级：低（GRADE）
• The 12 Best AI Tools for 2026 (That People Actually Use) — 证据等级：低（GRADE）
• The AI Powered SuperApp for Work | Motion — 证据等级：低（GRADE）

---

本文是「ADHD × AI」系列的第 6 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。