ChatGPT 之于 ADHD，就像 外部编排调度层 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，就像外部编排调度层之于 LLM——但有人用错了
调度器和计划表是两回事:计划表假设世界按剧本走,调度器的存在理由恰恰是世界不按剧本走——它根据实时状态,持续决定「此刻资源该给谁」。ADHD 需要的是后者,而多数人(和多数建议)一直在造前者。
先区分两个常被混用的概念。编排(orchestration)是流程骨架:步骤、顺序、下一跳。调度(scheduling/dispatch)更动态一层:在资源有限、状态波动、任务竞争的现实里,实时决定优先级——agent 系统里,调度层管的是「三个任务都在队列里,当前算力先喂谁」「这个调用超时了,重试还是降级」「负载高了,砍掉哪个低优先任务」。
这恰好是 ADHD 计划失败的真实原因。ADHD 者不缺计划(很多人计划做得极漂亮),缺的是计划与现实碰撞后的动态重排能力:状态突然低迷、临时任务插入、某件事超时了——每个扰动都需要一次重新调度,而重新调度恰恰是执行功能最贵的操作。于是扰动一来,整个计划报废,一天进入无政府状态。
所以正确的目标不是「做更好的计划」,是给自己配一个调度器。ChatGPT 的正确用法在此。
用对:三种调度调用
状态感知调度。计划撞上状态是 ADHD 日常:排了写方案,但今天脑子是浆糊。别硬扛也别躺平,发起调度:「我的清单是这些,当前状态很差(困/躁/无法深度思考),帮我重排:哪些适合现在这个状态做?深度任务挪到什么条件下?」任务对状态的匹配,比任务对时间的匹配更符合 ADHD 的真实运行方式——浆糊态清邮件、整理文件,清明态才写方案。这是调度器最基本的功能:按资源实况分配,不按理想剧本分配。
插入事件调度。临时任务空降(「老板让我今天加个材料」),最危险的不是任务本身,是它引发的全局混乱。固定协议:空降任务不直接执行,先过调度:「我原计划是 X,现在插入 Y,帮我判断:Y 真实的 deadline 和体量?挤掉谁?今天必须保住的一件事还保得住吗?」两分钟的调度调用,换回的是全局不崩——空降任务的杀伤力,90% 来自未经调度的直接抢占。
超时调度。给每个任务块预设超时线(计划 1 小时的事,90 分钟为超时)。触线时调度:「X 超时了,我的判断是还要 N 小时,帮我决定:继续(理由?)、降级交付(砍什么?)、还是挂起(挂起协议?)。」ADHD 的沉没成本 + 超聚焦组合,极易在单个任务上烧穿一整天——超时线就是熔断,调度调用就是熔断后的降级逻辑。
用错:两种失败模式
把调度器用成计划生成器。每天早上让它排出精美计划,然后一天不再调用——扰动来了还是全盘崩。调度器的价值在扰动时刻的重调用:早上那次只是初始化,状态变化/插入/超时才是它真正的出场时机。判别:你一天调用它几次?只有一次,说明你造的还是计划表。
每次重排都推倒重来。扰动后让它「重新规划我的一整天」,十分钟后又一个扰动,再全量重排——重排本身变成了新的任务黑洞。工程原则:增量调度,不全量重排——每次只问三件事:当前块怎么处理、下一块是什么、今天的底线保不保得住。其余不动。
它补不上的那一环(照例诚实)
调度器需要感知能力,而 ChatGPT 感知不到你:状态是你报告的、超时是你发现的、插入是你上报的。「意识到该调度了」这个动作,仍然依赖你的元认知——这是硬缺口,用外部信号补:任务块配闹钟(超时触发器)、手机锁屏写「状态变了?问调度」、或者把三种调度场景做成三个快捷指令,降低调用摩擦。调度逻辑可以外包,调度时机的感知只能半外包——闹钟负责一半,习惯负责另一半。
边界
同构强度 B 级:调度层是真实系统架构概念,ADHD 的认知灵活性与任务切换代价有文献,「状态匹配任务」符合执行功能研究的方向但具体协议无对照研究。持续的状态低迷(连续数周浆糊态)不是调度问题,是健康问题——睡眠、情绪、药物,先查底层。
今天就能试的 3 件事
- 给今天的任务块设超时线:计划时长 × 1.5,配闹钟。触线就发起超时调度。
- 下次空降任务,先跑插入协议:两分钟调度再动手。感受全局保住的区别。
- 做一次状态感知重排:状态差的时段,别硬扛清单顺序,让它按状态重配。
计划表是给理想世界写的,你住在真实世界——真实世界的秩序不靠计划维持,靠调度维持。给自己配上这一层,扰动就只是扰动,不再是雪崩的第一片雪。
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。
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 37 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。