ADHD 家长视角：为什么「治好 ADHD 的不擅长精确、重复、状态维护类任务」和「让 LLM 不跑飞」其实是同一道工程题？

「他难题都会做,怎么天天抄错数、丢作业、说了八百遍还是忘带东西?」——这个让无数家长血压升高的悖论,工程界有个一模一样的版本:模型能写出优雅的证明,却算错两位数乘法。理解了后者为什么不靠「骂」解决,就理解了你孩子需要什么。

先拆家长眼中最费解的现象:能力的强弱分布不合常理。孩子在感兴趣的领域表现惊人(拼装、游戏、某个学科的难题),却在「简单」的事上反复翻车——抄写、检查、收拾书包、每日打卡、记录作业。家长的直觉解释是态度问题(「会做说明能做,不做说明不想做」),于是策略是讲道理、盯、罚。多年不见效。

机制解释不同:精确、重复、状态维护这三类任务,依赖的不是智力,是低刺激条件下的注意维持和工作记忆持账——恰恰是 ADHD 的神经短板。兴趣任务能点燃多巴胺系统所以表现惊人;低刺激任务点不着,表现就塌。这不是双重人格,是同一套系统在不同燃料条件下的正常表现。LLM 同款:生成(它的「兴趣区」)火力全开,精确运算和长流程一致性(它的低刺激区)系统性翻车——而工程师的解法是给它配计算器和外部存储,没有人试图骂模型骂到会算术。

家长版的「工具调用」:替孩子搭,别替孩子做

关键区分先立住:外部化不是包办。包办是你替他记作业;外部化是你和他一起搭一个「不依赖他记性」的系统,然后系统替他记。前者制造依赖,后者建造基础设施。逐类来:

精确类(抄错、漏题、丢分):和孩子一起做一张五项以内的「提交前清单」(题号、单位、正负号、姓名、背面有没有题),贴在文具盒里。要点:清单是孩子参与制定的(他自己最清楚丢过什么分),执行时家长不站在旁边盯(盯会把质检变成羞辱)。奖励挂在「用了清单」上,不挂在「没错」上——流程可控,结果不完全可控,奖流程才练得出流程。

重复类(打卡、练习、背诵):把「靠自觉重复」改成「靠结构重复」——固定挂钩(晚饭后 15 分钟,雷打不动,挂在既有生活锚点上)、刺激注入(计时挑战/亲子对赌/游戏化 app)、以及最重要的:量力设定。家长最常见的错误是按理想孩子设量(每天 50 个单词),崩盘后归因态度。按真实完成率的 80% 设量,让「完成」成为常态——ADHD 孩子最缺的营养不是练习量,是完成感。

状态维护类(书包、作业记录、错题):这类最该硬件化。书包用「出门挂钩清单」(门上贴一张图:五样东西);作业记录用拍照(家长群/白板拍下来,不考验课堂尾声那几分钟的记性——那是 ADHD 孩子一天中工作记忆最破产的时刻);错题「拍照进相册+周末一起整理半小时」。每一个「说了八百遍」的事项,都值得问一句:能不能改成不需要说的结构?

最重要的一段:保护自尊这条主线

这三类任务是 ADHD 孩子挨批评最密集的来源——而它们恰恰是他神经层面最弱的区。日复一日的「这么简单都做不好」,积累出的不是改进,是「我又聪明又废物」的分裂自我认知,这比丢的那些分贵一万倍。架构视角给家长的最大礼物是一次归因搬家:从「态度问题」搬到「工种错配」——他不是不想做好,他是被派了不匹配的工种,而工种可以改造。你会发现,系统搭起来之后,最先修复的不是分数,是晚饭桌上的气氛。

边界

同构强度 B 级:工具调用是真实工程范式,ADHD 儿童的低刺激任务困难与工作记忆负担有文献,行为干预(清单、结构化、奖励流程)与行为父母训练的原则一致(该方向证据等级较高),但本文的具体类比框架无对照研究。照例:诊断、用药、共病评估(阅读障碍等)请找专业医生;结构是配合治疗的地面部队,不是替代。

今天就能试的 3 件事

1. 和孩子一起列「最冤的三次丢分/三件挨骂的事」:让他自己说,你只记录。这是清单的原材料,也是一次归因搬家的对话。
2. 挑一件「说了八百遍」的事,今晚改成结构:门上挂钩、贴图清单、拍照——任选一个,让它从此不需要「说」。
3. 把这周的奖励从结果挪到流程:「用了清单」就认可,别等「全对」。

工程师从不指望骂声能让模型学会算术,他们递过去一台计算器。你的孩子等的也不是第八百零一遍提醒——是那个和他一起搭系统的晚上,和系统搭好后,饭桌上重新轻松起来的你。

参考来源

同构强度：A 级 —— 直接文献支撑（引用 ADHD↔LLM 同构专题研究）

• 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）
• Executive Dysfunction by Design: A Cognitive Accessibility Analysis of AI Support vs. Healthcare Barriers — 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）
• Confabulation: The Surprising Value of Large Language Model Hallucinations — 证据等级：低（GRADE）

---

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。