ChatGPT 解决了 ADHD 的「任务启动困难、不会拆解」，代价是什么？

对话式点火篇的读者们用了半年,代价开始在留言区浮出水面,其中一条最有代表性:「回路很有效,但我发现了一件让我有点害怕的事——上周三 ChatGPT 宕机两小时,我坐在电脑前,面对一件明明不复杂的事,发现自己完全丧失了『直接开始』的概念。不是做不了,是我已经想不起来『不聊一遍就直接做』是什么感觉了。以前我好歹有几套土办法(先干五分钟再说、从最烂的一版开始),现在土办法全忘了,启动这件事在我这里已经等于『打开对话框』。另外还有个更别扭的:连做喜欢的事之前,我也开始先聊一遍了——明明那些事根本不需要点火。」

收敛:本文只给「启动与拆解外包」结账——为什么这类外包的代价结构和前两类(工作记忆/精确任务)都不同(它落在最敏感的位置)?三笔账(点火单一化/免点火区的殖民/拆解直觉的停练)?对冲与净值判断?

穿透:启动是执行链的第一环——把第一环焊死在一个工具上,整条链就有了单点故障

先看这类外包的特殊性。工作记忆外包丢的是「仓库」,精确任务外包丢的是「产线」——都在链条中段,坏了可以绕;启动外包动的是链条的第一环:没有启动,后面一切基础设施都空转——所以同样程度的依赖,落在启动上的系统性风险最大。三笔账:**账一:点火通道的单一化。**外包前,他有一把土钥匙串(五分钟法、烂开头法、番茄钟、找人闲聊)——每把都不太好用,但互为备份;对话式点火太好用了,好用到其他钥匙全部退役——退役的钥匙会锈(宕机那两小时暴露的正是这个:不是失去了能力,是失去了「多通道启动」的冗余,系统从分布式退化成了单点)。对冲:钥匙串轮换制——每周指定一天为「土法日」(启动只用旧钥匙),不为效率,专为防锈:冗余的价值只在故障那天显形,而它需要平时供养。账二:免点火区的殖民。「做喜欢的事之前也先聊一遍」——这是仪式的过度泛化:点火协议本是给高屏障任务的,但仪式会自我扩张(它舒服、正当、且成了习惯),蔓延到本不需要它的兴趣区任务——代价隐蔽而真实:兴趣区任务的魅力之一是『扑上去就做』的直接性,前置一层对话等于给自发性上了缰绳(兴趣驱动是 ADHD 最好的引擎,别给它也装点火程序)。对冲:分区规则——聊之前先问一句「这事我本来想不想做?」想做的,直接扑,不许聊(保护自发性的原生栖息地)。**账三:拆解直觉的停练。**拆解与启动不同——启动屏障偏神经性(拐杖区),拆解是可训练技能(脚手架区,Goblin 篇已分好区)——对话式点火的副作用是把两者打包外包了:聊天自动完成拆解,你的拆解肌肉随之停练;半年后的征兆是「离开对话框就不知道从哪切」。对冲:沿用脚手架协议——每周一件小事,徒手拆(聊之前自己先说出三步,再让 AI 补充——「我拆你改」比「你拆我用」多保留一份肌肉)。

净值判断:三笔账里,账二、账三的对冲成本极低(一句分区自问+每周一次徒手拆),账一的对冲(土法日)有真实的不便——但对照收益(半年里搁置任务的清零、以及他没说但可以推知的:自责叙事的松动),净值依然显著为正;这份账单的正确用法和这一族的所有账单一样:不是劝退,是把「无意识的全包」修剪成「有边界的外包」——修剪之后,连那次宕机都会变成无关紧要的小事:你有别的钥匙。

验证

可测:三项对冲各有指标——土法日的启动成功率(冗余存活度)、兴趣区任务的「直扑率」(自发性保有量)、徒手拆的三步准确度(拆解肌肉的月度体检)。可证伪:若你用了很久且宕机时启动如常、兴趣区未被殖民、徒手拆依然利落——你的用法天然有边界,账单对你只是确认而非处方。

决策

做什么:钥匙串轮换;兴趣区分区保护;每周徒手拆一件。

不做什么:不要因单点风险弃用回路(单点的解是加冗余,不是拆系统);不要给想做的事装点火程序。

先做什么:今天遇到第一件「本来就想做」的事时,注意那个想先聊一遍的冲动——然后跳过它,直接扑。

边界

启动屏障的神经性与拆解的可训练性之分见 Goblin 篇的分区(GRADE 中);「仪式泛化」「通道单一化」为使用观察+习惯形成机制的推演(本文未做正式 A/B/C 分级)。宕机反应若接近恐慌级,提示依赖已过深,可参照戒断协议篇做渐进降档;情绪基础问题另行评估。

今天就能试的 3 件事

1. 对一件想做的事,练习一次「不聊直扑」。
2. 定下你的土法日(建议周三——宕机也常挑周三)。
3. 给下一个任务先徒手说三步,再开对话框。

本文服务于人生 Harness 金字塔的执行层的消防演习:第一环外包得越顺,越要记得它是第一环——好系统和脆系统的差别从不在晴天,在停电的那两个小时;留几把旧钥匙,养一点土办法,让你的启动像你的人生一样:有主路,也有小径。

参考来源

• 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 178 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。