ADHD 职场人视角：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？

没有工程师逼 GPT-4 亲自做算术——他们给它接了计算器。但你的公司大概率还在逼团队里最有创造力的人亲自填报销单，并把填错当成态度问题。

职场对 ADHD 者最消耗的部分，往往不是那些真正难的工作，而是那些「简单」的：报销单、周报、时间表、CRM 录入、会议纪要归档。搞砸难题可以被原谅（难题嘛），搞砸报销单不行——「这么简单都错，说明你不用心」。多少 ADHD 职场人的年度评价，就毁在这批「简单」任务上。

LLM 工程界对同类问题的处理，是一面照妖镜。

工程界的共识：精确任务不该由概率引擎亲自执行

LLM 是概率文本生成器,让它亲自做精确计算、逐条核对、状态追踪,错误率是架构性的——再大的模型也会在长串数字上翻车。工程界的回应不是「训练模型更细心」，而是 function calling：识别出精确型子任务，路由给计算器、数据库、代码解释器这些确定性工具。没人把这叫作弊，这叫正确的负载路由。

ADHD 大脑对精确、重复、状态维护类任务的高错误率，同样是架构性的：这类任务奖赏密度趋近于零（无新奇、无挑战、无反馈），而 ADHD 的注意系统恰恰由奖赏密度驱动。让 ADHD 员工「更用心地填表」，等于让 GPT-4「更认真地算乘法」——你在要求一个架构对抗自己。

职场版 function calling：三条路由策略

路由给软件。所有可自动化的精确任务坚决自动化：定期账单自动扣款、日历自动发会议纪要模板、报销用拍照识别类工具、重复邮件写成模板。判断标准：任何做过三次且步骤固定的事，就是一个待写的函数。每月花两小时搭自动化，省下的不只是时间，是错误和随之而来的评价损耗。

路由给检查清单。不能自动化的精确流程（如提交材料前的核对），把「靠注意力盯住每一步」改成「靠清单外置每一步」。飞行员的前例说了一百年了：清单不是给记性差的人的，是给所有在压力下运行的大脑的。ADHD 只是把所有人都有的问题放大到不可忽视——这也是为什么 ADHD 友好的流程改造最后总是惠及全团队。

路由给交换。有些精确任务既不能自动化也躲不掉——那就交易。找到团队里那个享受整理、以把 Excel 弄干净为乐的同事（每个团队都有），用你的强项换：你帮他做头脑风暴和救火，他帮你核对数据。这不是逃避分工，这叫比较优势，是经济学而不是懒惰。

对「态度问题」这个指控的正面回应

最后处理那个最伤人的判词。下次被暗示「简单的事都做不好是态度问题」，你可以在心里（或在合适的场合）完成这个论证：这类错误的分布不随我的努力程度变化，而随任务的奖赏密度变化——这是架构特征的证据，不是态度的证据；对架构特征的正确回应是路由和工具化,而我已经在做（拿出你的自动化和清单）。用工程语言重新定义问题，是 ADHD 职场人能做的最有力的自我辩护——因为它把辩论从道德领域搬回了技术领域,而技术领域有解。

边界

同构强度 B 级：function calling 是成熟实践，ADHD 的奖赏密度依赖有神经科学文献。诚实的限制：职场政治不总讲道理，有些环境就是把填表能力当忠诚测试——工程策略在那种环境里只能减损，不能翻盘，必要时该换的是环境。

今天就能试的 3 件事

1. 列出你的高错误率任务清单：把过去半年出过错的「简单」任务写下来，逐条标注路由方案：自动化/清单/交换。
2. 今天自动化一件：挑清单里频率最高的那件，花 30 分钟给它搭个自动化或模板。
3. 物色你的交换对象：想想团队里谁享受你痛恨的任务类型。下次合作时试探一次小交换。

「简单的事」从来不简单——它只是对另一种架构简单。工程界已经不再逼模型硬扛短板了，职场也终将到达这一天。在那之前，先给自己接上计算器。

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）
• Strong Memory, Weak Control: An Empirical Study of Executive Functioning in LLMs — 证据等级：低（GRADE）
• Self-Attention Limits Working Memory Capacity of Transformer-Based Models — 证据等级：低（GRADE）
• Human-like Working Memory Interference in Large Language Models — 证据等级：低（GRADE）
• Unable to Forget: Proactive Interference Reveals Working Memory Limits in LLMs Beyond Context Length — 证据等级：低（GRADE）

---

本文是「ADHD × AI」系列的第 77 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。