ChatGPT 之于 ADHD，就像 agent 的编排层 之于 LLM——但有人用错了
从同构视角实测 ChatGPT：它到底补上了哪一层执行功能？
ChatGPT 之于 ADHD，就像 agent 的编排层之于 LLM——但有人用错了
编排层(orchestration layer)在 agent 架构里做的事很不起眼:决定下一步调用什么、按什么顺序、参数是什么。它不生成任何内容——但拆掉它,再强的模型也只是一台不知道下一步干嘛的发动机。ADHD 的一天,缺的经常就是这一层。
「编排」这个词值得先讲清楚。一个 agent 系统里,模型负责思考和生成,编排层负责流程:接到目标先调 planner 拆解、然后按序分发子任务、每步完成后检查产出、决定下一跳、异常时走降级分支。编排层的全部价值在于「决定下一步」这件事不再消耗模型的算力,也不依赖模型的自觉——它是流程的骨架,预先写好,按图执行。
ADHD 的典型一天恰恰是「有引擎无编排」:能力在,但每个「接下来干嘛」都是一次临场决策——而临场决策正是 ADHD 最贵的操作:决策疲劳来得快,且每个决策点都是被兴趣劫持的窗口。于是一天的实际路径由刺激决定,不由计划决定。
ChatGPT 能不能当编排层?能——但注意用对姿势,因为它有一个先天缺陷(下文说)。
用对:让它写流程,你执行流程
日编排。每天开工五分钟:「这是我今天的任务清单和可用时间,帮我编排:顺序、每段时长、段间休息、以及每段完成后的『下一跳』指令。」拿到的产出关键在**「下一跳」**:每个任务块的结尾都预写好「完成后做什么」——正是这个设计消灭了任务间隙的临场决策,而任务间隙是 ADHD 一天中最大的流失点(完成一件事后的五分钟空窗,足够刷掉一小时)。
项目编排。多步骤项目让它输出流程图式的清单:步骤、依赖关系、每步的完成判据、卡住时的降级动作(「卡超过 20 分钟→跳到下一步并记录问题」)。降级分支尤其重要:ADHD 的项目死法常常不是难,是卡在某一步后整个项目连带瘫痪——预写的降级分支就是绕行道。
切换编排。被打断后的恢复,预先写好固定脚本:「记录中断点一句话→处理打断事项→读中断点→继续。」把恢复从每次的临场挣扎变成三步例程。
共同点:编排发生在执行之前。冷静时的你(或它)给热态的你写好剧本——这正是编排层的本质:把决策从执行现场搬到设计现场。
用错:两种典型翻车
实时编排依赖。不预排,做完一件事才去问「我接下来该干嘛」。问题有二:一,任务间隙你未必会去问(那个间隙里兴趣劫持已经发生);二,每次问答本身就是切换和延迟。编排层的价值恰恰是预排——实时问路的不叫编排,叫迷路。
过度编排。把一天切成十五分钟粒度的完美流程,第一个意外(会议延长、临时需求)就全盘崩溃,然后触发「计划废了→今天废了」的 ADHD 经典心理连锁。修复:粗粒度编排(半天三到四块)+ 每块之间留缓冲 + 预写「计划崩溃协议」(「被打乱→保住今天最重要的一件事,其余重排」)。好的编排层都为异常留了分支,只为理想路径写的流程,在生产环境活不过一小时。
还有一个隐蔽的坑:编排产出不落地。流程排得漂亮,存在对话里,中午就忘了它的存在。编排层必须「常驻内存」——纸质便签、置顶窗口、手机锁屏,任选,但必须在视线里。
它当不了的部分(诚实声明)
ChatGPT 编排层有个先天缺陷:它不会主动触发。真正的编排层会自己推进流程,它只能被动应答——所以「按时启动每一段」这件事,它管不了。这一层要靠别的组件补:闹钟/日历提醒当触发器,身边的人当监督节点。ChatGPT 写剧本,闹钟喊开机,这才是完整的编排栈。
边界
同构强度 B 级:编排层是真实 agent 架构组件,ADHD 的决策疲劳与任务切换损耗有文献支撑,「预排一天」是机制映射的实践,无对照研究。药物与治疗能改善的是引擎本身的调度化学,编排层是行为层的配合——两者不互相替代。
今天就能试的 3 件事
- 明早做第一次日编排:粗粒度三块,每块写「下一跳」,产出贴在视线里。
- 给手头项目补降级分支:每个步骤配一句「卡住 20 分钟怎么办」。
- 写你的中断恢复脚本:三步,存成手机备忘录置顶。下次被打断,照读执行。
引擎你早就有了,而且马力不小——缺的从来是那个安静的、不生成任何内容、只负责「下一步」的层。把它搭起来,你的一天第一次有了骨架。
专业支持边界：涉及药物的内容仅为研究综述，任何用药、调整剂量或停药的决定，请务必与你的精神科医生或处方医师讨论。 ADHD 的诊断需要由精神科医生或具备资质的临床心理师完成，请勿凭自评量表或文章内容自我确诊。
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）
- LBD同构对：自我调节与元认知 — Inhibitory control and emotion regulation in preschool child ↔ ObjexMT: Objective Extraction and Metacognitive Calibration — 证据等级：低（GRADE）
- LBD同构对：自我调节与元认知 — Emotion-related self-regulation and its relation to children ↔ A Reproducibility Study of Metacognitive Retrieval-Augmented — 证据等级：低（GRADE）
- The 12 Best AI Tools for 2026 (That People Actually Use) — 证据等级：低（GRADE）
- The AI Powered SuperApp for Work | Motion — 证据等级：低（GRADE）
本文是「ADHD × AI」系列的第 36 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。