ADHD 的外部记忆(如清单)需要主动维护和回顾,而 LLM 的向量库可以自动索引和被动检索。这种“主动 vs 被动”的差异是否意味着同构只是表面相似,实际解决路径完全不同?你们怎么回应“ADHD 缺的不是记忆,而是执行功能”这个反例?
被动检索 vs 主动维护是根本分歧
外部记忆需要主动维护,而向量库自动索引——“主动 vs 被动”的差异是否说明同构只是表面相似?ADHD 缺的到底是记忆还是执行功能?
这是上一篇工作记忆讨论的续问,读者显然有备而来:「ADHD 的外部记忆(如清单)需要主动维护和回顾,而 LLM 的向量库可以自动索引、被动检索。这种『主动 vs 被动』的差异,是否意味着同构只是表面相似、实际解决路径完全不同?你们怎么回应『ADHD 缺的不是记忆,而是执行功能』这个反例?」——两问其实是同一把刀的两刃:如果 ADHD 的清单死于「忘了看清单」,那问题根本不在记忆层,你们造再好的外部记忆也是白搭。
收敛:本文只回答——「主动 vs 被动」的差异揭示了什么(答案:它不是同构的漏洞,是同构里最有价值的一课)?「缺的是执行功能不是记忆」这个反例怎么接?
穿透:向量库的「自动」,恰恰是花钱买来的——人也可以买
先把「被动检索」的神话拆开。向量库的「自动索引、被动检索」不是天上掉的:它的自动,是 harness 里一段代码在承担「主动」——每轮对话前,检索代码自动把当前问题嵌入、查库、把结果注入上下文;写入侧同样有代码决定「什么值得存」。换句话说,LLM 的记忆系统里同样存在「维护和回顾」的劳动,只是这份劳动被架构显式地分配给了机器,而不是分配给模型本身。模型和 ADHD 大脑在这一点上处境相同:都不会「自己记得去查记忆」。差异不在「主动 vs 被动」,在「维护劳动分配给了谁」——LLM 生态把它分配给了自动化基础设施,而 ADHD 的传统方案(纸质清单、手账)把它分配给了……患者本人残缺的执行功能。读者观察到的差异是真的,但它不是同构的反例——它是对 ADHD 工具设计的判决书:清单会死,不是因为外部记忆这个思路错了,是因为「回顾清单」这个检索动作被错误地留给了人肉。
这直接接住了第二问。「ADHD 缺的不是记忆,而是执行功能」——对,而且这正是本站六插槽框架的立场:清单(状态存储)只是一个插槽,「记得去看清单」属于触发槽和监控槽,后两者才是 ADHD 的深井。但注意这个反例推出的结论不是「外部记忆没用」,而是**「外部记忆必须连同它的检索触发一起外置」——这恰恰是向量库给的完整答案:存储+自动检索,一个都不能少。落到人身上,「自动检索」的工程等价物是:①推送式而非拉取式**——清单不该等你去看(拉取),该在正确的时间地点自己出现(推送):日历事件带提醒、位置触发的备忘(到超市弹购物清单)、把今日清单设成手机锁屏;②上下文注入——模仿 RAG 的「查询时注入」:每天固定的启动仪式(坐下第一件事=清单自动在屏幕第一格等你),让检索发生在流程里而不是记忆里;③写入侧同样自动化——冒出来的待办用语音一句话进收件箱(写入摩擦大于三秒,想法就丢了),每周一次由 AI 帮你把收件箱分拣归位(维护劳动外包给机器,正如向量库的索引外包给代码)。
一句话总结这场交锋:读者证明了「裸清单方案」的死刑,而处刑理由恰恰抄自 LLM 架构——所以同构不但没被击穿,反而完成了它最有用的一次输出:别学向量库的存储,学它的整套「存储+自动触达」架构。
验证
可自测四周:把一个「总忘了看」的清单改造成推送式(锁屏/日历提醒/位置触发),对比改造前后的「清单命中率」(需要它的时刻它出现了吗)。可证伪:若推送式改造后依然无效——提醒被条件反射划掉、锁屏视而不见,那是「提醒疲劳」问题(通道被滥用后的脱敏),解法是提高信噪比(砍掉 80% 的低价值提醒,让剩下的重新获得注意),而不是退回拉取式。
决策
做什么:全面审计你的外部记忆——每一处「等我去看」的存储,改造成「自己找上门」;写入侧降到语音级摩擦;维护(分拣/归档)定期外包给 AI。
不做什么:不要再买任何「更好的清单 App」而不问它的触达机制(存储从来不是瓶颈);不要用意志力补触发(那正是被判死刑的旧架构)。
先做什么:把明天最重要的三件事设成手机锁屏——最便宜的推送式改造,今晚两分钟完成。
边界
工作记忆与执行功能(尤其前瞻记忆)在 ADHD 中的受损有充分文献(GRADE 中-高);「存储+自动触达」的架构类比为 B 级(本文未做正式 A/B/C 分级);提醒疲劳与信噪比的建议为实践经验。执行功能困难的程度差异大,若一切外置方案均告失败且伴随显著损害,请把这个信息带进专业评估。
今天就能试的 3 件事
- 明日三件事设成锁屏——推送式外部记忆的第一块砖。
- 建语音收件箱:今天起,冒出的待办只许用一句语音捕获。
- 数一数你手机今天的全部提醒,砍掉一半低价值的——给真正重要的推送让出注意带宽。
本文服务于人生 Harness 金字塔的执行层:记不住不丢人,忘了看也不丢人——真正的教训是:别把系统里最重的劳动,分配给系统里最短缺的资源;机器的记忆术早就把答案写好了:让信息追人,别让人追信息。
参考来源
- Engaging Children and Young People in Digital Mental Health Interventions: Systematic Review of Modes of Delivery, Facilitators, and Barriers — 证据等级:高(GRADE)
- Systematic review of the relationships between sleep duration and health indicators in the early years (0–4 years) — 证据等级:高(GRADE)
本文是「ADHD × AI」系列的第 102 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。