ChatGPT 之于 ADHD，就像 planner-executor 任务分解之于 LLM——但有人用错了

agent 框架把「想清楚步骤」和「执行步骤」拆成两个角色，系统立刻稳了。用 ChatGPT 拆任务也一样灵——直到你发现自己拆了三十个任务，一个都没开始。

agent 工程的经典架构是 planner-executor 分离：planner 负责把大目标拆成有序步骤，executor 只管执行当前一步。分开之后系统显著变稳——因为规划和执行是两种负载,混在一个循环里会互相污染：执行中的挫折会让规划短视，规划的庞大会让执行瘫痪。

ADHD 者第一次用 ChatGPT 拆任务的体验往往接近救赎：那个在脑内旋转了三周、大到无法直视的「换工作」，五分钟内变成了十二个具体步骤。卡死的不是能力，是缺一个 planner——现在补上了。

用对的样子：planner 的输出必须以 executor 的启动为验收

工程里 planner 的产出不是「一份漂亮的计划」，是executor 能直接消费的下一步动作。这是健康用法的全部秘密：

• 拆解的终点是「第一步小到 5 分钟内能启动」，而不是步骤的完备。让 ChatGPT 拆到你读到第一步时身体没有阻力为止——「更新简历」不行，「打开简历文件，只改工作年限那一行」可以。
• 拆完的动作是立刻执行第一步，趁规划带来的清晰感还没冷却。规划的多巴胺红利有效期很短，最优策略是拆完 60 秒内启动。
• 执行卡住时回到 planner 重拆当前步（「这一步我还是启动不了，再拆小」），而不是重拆整个计划。局部重规划，全局保持稳定——这正是成熟 agent 框架的做法。

用错的样子：规划成为执行的替代品

规划瘾。拆解本身产生完成感——那份十二步的清单看起来那么像进度。于是有人无限精修计划：换个问法再拆一次、让它出甘特图、给每步配时间估算……三小时后，一个 executor 动作都没发生。工程对应物是 planner 空转：计划越来越精美，执行队列永远为空。残酷的事实是：对 ADHD 而言，过度规划是最高级的拖延形态，因为它完美伪装成工作。

计划的外部感。全程让 ChatGPT 决定怎么拆，产出的计划句句合理，却总是执行不动——因为那是它的计划，不是你的。缺了「我为什么选这条路径」的所有权，每一步执行都在推一扇别人家的门。修正法很简单：拆解时保持对话——「第 3 步我想先做，行不行」「第 5 步对我的情况不适用，替换掉」。计划必须过一遍你的手才会长出执行力。

颗粒度错配。有人拆得太粗（每步还是一座山），更多人拆得太细（47 个微步骤，光读一遍清单就耗尽了启动能量）。上一篇讲过的原则在这里复用：最优颗粒度 = 单步无阻力的前提下，步骤总数最少。清单本身也是认知负载。

一条硬指标

评价你和 ChatGPT 的拆任务协作是否健康，只看一个数字：从打开对话到第一个真实动作发生，隔了多久。 15 分钟内：健康的 planner-executor 循环。超过一小时或根本没发生：planner 在空转，你在用规划止痛。

边界

同构强度 B 级：planner-executor 是真实工程架构，任务启动与分解困难有执行功能文献支撑；但人类的「执行不动」常有情绪和生理层原因（见本系列对三层诊断的讨论），planner 再好也只解决结构层。规划瘾特别顽固时，值得怀疑它在回避的是任务附带的哪种感受。

今天就能试的 3 件事

1. 拆一个卡了最久的任务：让 ChatGPT 拆到第一步 5 分钟能启动，然后 60 秒内做那一步。今天只求这一步。
2. 给规划设时限：任何拆解对话不超过 10 分钟。时间到，清单再不完美也要开工——清单可以边干边改。
3. 数一次你的规划/执行比：本周花在「整理计划」和「实际执行」上的时间各多少？比值大于 1:2 就该警惕了。

planner 和 executor 分开是为了让执行更容易发生——不是为了让规划替代执行。计划最好的样子，是它被划掉的样子。

专业支持边界：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

• 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）
• 11 Best ADHD Productivity Apps for Fluctuating Energy - rivva blog — 证据等级：低（GRADE）
• ADHD Apps: We tested 44 Apps and Here’re the Best 9 in 2026 — 证据等级：低（GRADE）

---

本文是「ADHD × AI」系列的第 11 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。