ADHD 创业者视角：为什么「治好 ADHD 的工作记忆容量小、边做边忘」和「让 LLM 不跑飞」其实是同一道工程题？

创始人的遗忘和员工的遗忘不是同一种事故：员工忘一件事丢一分绩效，创始人忘一件事可能丢一个客户、一轮融资、一次窗口期。所以创始人的记忆问题必须按基础设施事故来处理。

创始人的工作记忆负载是变态级的：投资人的三个口头承诺、五个候选人的跟进状态、两个大客户各自的敏感点、产品会上拍板的四个决定——全部同时在线，全部没人替你记。神经典型创始人在这种负载下也会掉球；工作记忆容量偏小的 ADHD 创始人，掉球是数学必然。

而创业环境的残酷在于：掉的每个球都有人接——你的竞争对手。

LLM 工程的答案：记忆是系统属性，不是组件属性

LLM 没有跨会话记忆，行业没有试图「治」它，而是把记忆做成了系统属性：模型外面挂向量库、会话摘要、检索层——系统有没有记忆，和核心组件有没有记忆，是两个独立的设计问题。一个无状态组件加上有状态的基础设施，整体表现为完美记忆。

这句话对创始人是解放性的：你的公司可以有完美记忆，即使你没有。需要的只是把「记住」从你的大脑职责改划为系统职责。

创始人版记忆基础设施

承诺台账：所有你说出口的承诺（对投资人、客户、员工）落进同一个台账，带日期和下一步。ADHD 创始人最大的信誉杀手不是能力，是「上次说好的那个事呢？」——每一次被追问，估值都在掉。台账加每日一扫，这个事故类别整体消失。

决策日志：每个重要决定一行：决了什么、为什么、谁执行。不是官僚流程，是防止两周后你用同样的激情推翻自己——团队最消耗士气的不是错误决策，是被遗忘然后反复横跳的决策。

关系记忆外置：每个关键联系人（投资人/客户/顾问）一张卡：上次聊了什么、对方在意什么、答应了什么。见面前扫 30 秒——对方感受到的是「被重视」，实际上是你的检索层在工作。这正是 CRM 的本质，只是创始人常常给销售团队买了 CRM，自己裸奔。

会议出口协议：任何会议结束前 60 秒，当场口头复述行动项并指定 owner。这一分钟是全公司杠杆率最高的一分钟：它把「会后各自记忆的漂移」在源头掐灭。

更狠的一步：让公司结构本身成为你的记忆

工具之外还有组织学解法：招一个记忆型的二号位。COO、幕僚长或超强 EA——那种天生记得所有事、以闭环为荣的人。乔布斯有库克，马斯克有一层以执行严密著称的副手层。这不是奢侈配置，对 ADHD 创始人这是和服务器一样的基础设施。你的高温度引擎负责方向和爆发，记忆型伙伴负责让每个球都有人接。招人时把「状态维护能力」写进 JD 的第一行——你是在为自己的架构短板采购冗余。

边界

同构强度 A 级：LLM 工作记忆限制与外部记忆架构、ADHD 工作记忆缺陷都有直接文献。限制说明：基础设施减少遗忘事故，但创始人还有一类「战略性遗忘」——因为不想面对而「忘掉」的难题（要裁的人、要停的业务线），那不是记忆问题，台账治不了，只有直面能治。

今天就能试的 3 件事

1. 今晚建承诺台账：把你脑子里现在还悬着的所有口头承诺倒出来——倒的过程本身会吓你一跳。
2. 下一个会议实施出口协议：结束前 60 秒复述行动项。观察一周后团队对你的信任变化。
3. 写下你的记忆型二号位画像：如果现在招不起，先找出团队里最接近的人，把三件最怕忘的事交给 ta 盯。

投资人尽调时看的从来不是创始人有没有短板，是短板有没有系统兜着。给你的遗忘配上基础设施，它就从风险项变成了已缓解项——而已缓解项，是可以写进 BP 的。

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）
• Toward Neurodivergent-Aware Productivity: A Systems and AI-Based Human-in-the-Loop Framework for ADHD-Affected Professionals — 证据等级：低（GRADE）
• Using an AI Assistant to Manage ADHD: A Practical Guide — 证据等级：低（GRADE）
• Revolutionizing ADHD Management with AI Assistants — 证据等级：低（GRADE）
• 10 Killer ChatGPT Prompts For Organizing Your ADHD Brain — 证据等级：低（GRADE）

---

本文是「ADHD × AI」系列的第 93 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。