ADHD 职场人视角：ADHD 不是缺陷，是缺了一层 orchestration——和 GPT 一样

绩效面谈的评语精确得像一份错位报告:「专业能力毋庸置疑,但跨部门跟进不到位、承诺时间节点频繁滑动、会议信息经常没有同步。」他不服气又无法反驳——那些丢掉的球确实丢了,但没人看见他接住的那些:上季度最难的技术方案是他出的,新人问题一半是他解的。走出会议室他想:为什么我能做「难的事」,却总栽在「简单的事」上?这份绩效评的到底是我的能力,还是我缺的那层——别人标配、我裸奔的调度系统?

收敛:职场人的版本要回答的问题和学生、创业者都不同——在一个既有组织里,「能力强但接口不可靠」的 ADHD 员工,怎么给自己补 orchestration 层,以及怎么用组织已有的资源来补?

穿透:绩效考的是接口质量,不是算力

先讲透那个错位。GPT 类模型的裸模型能力(单次生成质量)和系统能力(多步任务的可靠交付)是两个独立指标——后者取决于外面那层 orchestration:任务排队、状态跟踪、超时重试、结果回传。职场绩效的大头,考的恰恰是第二种指标:跨部门跟进=消息队列的可靠消费,节点承诺=调度器的容量估计,信息同步=事件广播机制。ADHD 职场人的典型画像「专业强、接口漏」——裸模型跑分很高,系统层没人搭。这解释了那份绩效评语的每一条,也解释了为什么「更努力」没用:你在用增加算力的方式,修调度器的 bug。

职场场景的特殊之处在于:你不必从零自建全部组件——组织本身就是现成的 harness 资源库,关键是主动把自己接进去,而不是靠意志力裸奔。逐条补:①跟进漏球→把「记得跟进」外包给系统:每个待办别人的事项,当场设提醒(会议结束前就设,不带出会议室);跨部门事项一律落书面(邮件/群消息),让平台的时间线替你记忆。②节点滑动→ADHD 的时间估计系统性偏乐观,工程解法是「报价乘以系数」:自己估完时间×1.5 再承诺(你的历史滑动率就是你的系数,可以从过往项目算出来);并把大承诺拆成有中间检查点的小承诺——组织对「提前说延期」的容忍度远高于「到期才说」,预警本身就是接口质量。③信息不同步→固定的广播仪式:每周五 15 分钟,给相关人发三行周报(做了/卡在/下周)——研究生篇讲过的主动汇报,在职场同样是把「被追问」变成「被信任」的最便宜手段。

利益视角要点破一层:组织里「接口可靠」的可见度远高于「算力强」——丢球被所有人看见,解难题只被少数人看见。这不公平,但它是可以被利用的规则:**接口质量的边际改善,对绩效的回报率远高于能力的边际提升。**你最划算的投资,恰好是你最弱的那层。

验证

一个季度可验证:装上三组件(当场设提醒/×1.5 报价/周五广播),跟踪三个数——漏球次数、承诺兑现率、被动追问次数。这三个数直接对应绩效评语的三条,下次面谈是你的对照实验。可证伪:若组件严格执行而绩效评语不变,那要检验的是环境:是否你的岗位把「接口密集型工作」的比重放得过高(运维型岗位),错的可能是岗位匹配,不是你——那是另一个决策(内部转岗到创造密集型角色)。

决策

做什么:把绩效评语翻译成组件清单逐条补;把「接口可靠性」当作一个正式的技能项投资——它不是杂务,它是你职业杠杆率最高的一层。

不做什么:不要用加班补漏球(那是给调度 bug 加算力);不要在忘记之后道歉了事而不改流程(道歉是补丁,流程是修复)。

先做什么:今天开完的每一个会,结束前把你名下的事项当场设好提醒——这一个动作,一周内就能改变别人对你的接口评价。

边界

「orchestration 缺失」为 B 级架构类比(接口/算力的分离两侧成立,机制不同);时间估计偏差与前瞻记忆困难有 ADHD 文献支持。是否在职场披露诊断是个人决策,本文的全部组件都不需要披露即可实施;若职场困难伴随持续耗竭或情绪恶化,请考虑专业支持。

今天就能试的 3 件事

1. 把你最近一次绩效反馈翻译成组件清单:每条批评对应哪个缺失组件?
2. 算出你的「滑动系数」:翻三个过往项目,实际用时÷承诺用时的平均值——以后报价乘它。
3. 本周五发出第一份三行周报——让「信息同步」从你的弱项变成你的标签。

本文服务于人生 Harness 金字塔的执行层与价值层:组织不会给你的算力发奖金,它给可靠的接口发——把调度层补上,让你的能力终于能被结算。

参考来源

• Subcortical brain volume differences in participants with attention deficit hyperactivity disorder in children and adults: a cross-sectional mega-analysis — 证据等级：低（GRADE）
• Cognitive behavioural therapy for anxiety disorders in children and adolescents — 证据等级：低（GRADE）

---

本文是「ADHD × AI」系列的第 68 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。