Claude 之于 ADHD，就像 function calling 工具调用之于 LLM——但有人用错了

LLM 本体不会算大数、查不了实时信息、碰不到你的文件——工程师的解法不是把模型练成全才,是给它接上工具:算术给计算器,检索给搜索器,模型只负责「决定何时调用什么」。这个架构思想对 ADHD 用户价值连城,因为它回答了一个天天都在发生的问题:哪些事该自己硬扛,哪些事该立刻外包给 Claude?

先讲透 function calling 的设计哲学,它比表面上深。工程师发现:让 LLM 亲自做算术,错误率感人;接上计算器后,模型的职责收缩为「识别这是算术问题→调用工具→整合结果」——系统整体的能力,来自「模型知道自己不擅长什么」这个元认知,而不是模型本身变强。更关键的一条设计纪律:工具接管的是模型的系统性短板,不是模型的核心职责——没有人给 LLM 接一个「替它决定说什么」的工具,那不叫工具调用,叫替换模型。

现在把这套哲学套在「ADHD 用户+Claude」上。ADHD 的认知剖面高低起伏剧烈:创意、联想、危机应对可能远超均值;工作记忆、排序、启动、按部就班可能远低于均值。用 Claude 的正确姿势,就是给自己写一张 function calling 清单:把系统性短板注册为工具调用,把核心职责留在本体。

值得注册的「工具调用」(你的系统性短板)

排序调用:一堆任务不知先后——倒给 Claude,要一个带理由的优先级排序。排序消耗的正是你最稀缺的执行资源,外包性价比最高。拆解调用:任务大到启动不了——「拆到每步 30 分钟内」。格式调用:内容有了但要装进某种格式(周报、邮件、申请表)——初稿让它出,你改。格式转换对 ADHD 是高摩擦低价值劳动,标准的工具活。回读调用:长文档/长对话记不住——让它总结、提取行动项。这是工作记忆的直接假肢。冷静调用:情绪激动时的重要回复——先给 Claude 看,「帮我把这封改成三天后的我不会后悔的版本」。

不该注册的(你的核心职责)

价值判断:接不接这个活、跟不跟这个人合作——Claude 可以列利弊,但排序利弊的权重表只能是你的;原创核心:你的文章观点、方案的灵魂——让它整理你的想法可以,让它替你想不行,那不是调用工具,是把模型换掉了;人际的最后一米:道歉、感谢、艰难对话的最终措辞——过度打磨的文字别人读得出来,关系里的「你不在场」比笨拙更伤。

用错的三种姿势

万物皆调用:连「中午吃什么」都问——调用本身有成本(打断、等待、评估输出),小事的调用成本高于自己做,正如没有工程师会为 1+1 走一次 API。该调不调:「这点小事我应该自己能行」——对系统性短板硬扛,是用自尊和截止日期给「应该」上供。注册表从不更新:半年前需要外包的,现在也许自己能做了(或相反,新场景出现新短板)——好的工具配置是活的,每季度检视一次:哪些调用可以收回本体,哪些短板还没注册。

边界

同构强度 B 级:function calling 是真实的工程机制,ADHD 认知剖面的不均匀性有文献支撑,「短板注册为工具」是功能层的策略映射,无对照研究。声明:认知外包不能替代治疗——若核心症状未经评估和处理,再好的工具清单也是在漏水的船上排水;另外「哪些是我的系统性短板」这个自我认知本身,最可靠的来源是正式的神经心理评估,不是自我感觉。

今天就能试的 3 件事

1. 写你的 function calling 清单:左栏「注册给 Claude」(排序/拆解/格式/回读),右栏「保留本体」(价值判断/原创核心/关系)。
2. 今天执行三次「排序调用」:任务一乱就倒给它,别硬扛。
3. 抓一次「该调不调」:今天哪件事你在硬扛短板?写下来,下次直接调用。

给 LLM 接工具的智慧,从来不在工具多强,而在分工的清醒:模型知道什么该出手、什么该让手。给自己配 Claude 也是同一门手艺——短板大方外包,核心寸土不让。清单写清楚,两边都轻松。

专业支持边界：如果你正处于情绪危机或有自伤念头，请立即联系当地心理危机干预热线或前往医院精神科急诊——这不是任何文章或工具能替代的。

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）
• Agent Scaffolding: Architecture and Design Patterns for Agentic AI — 证据等级：低（GRADE）
• LBD同构对：任务分解与规划 — Attention-deficit/hyperactivity disorder is characterized by ↔ Language-conditioned world model improves policy generalizat — 证据等级：低（GRADE）
• LBD同构对：任务分解与规划 — Safety and recommendations for TMS use in healthy subjects a ↔ AgentGen: Enhancing Planning Abilities for Large Language Mo — 证据等级：低（GRADE）
• LBD同构对：任务分解与规划 — How specific are executive functioning deficits in attention ↔ AMAP Agentic Planning Technical Report — 证据等级：低（GRADE）

---

本文是「ADHD × AI」系列的第 66 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。