两个互不引用的领域都在研究「执行功能」——ADHD 文献和 LLM harness 文献为什么得出了同一个结论？

做文献计量的人会对这种现象上瘾:两个几乎零互引的文献群,各自埋头几十年,然后你把它们的核心结论并排放——竟然是同一句话的两种方言。ADHD 研究(神经科学、临床心理,几十年积累)和 LLM harness 工程(近几年爆发的 agent 论文)就是这样一对:前者说,ADHD 的核心不是「不知道该做什么」,是知道了也执行不出来;后者说,LLM 的核心短板不是「生成不出正确内容」,是生成得出也串不成可靠的长任务。 两边给自己的解药,画出来是同一张图。

先把两边的结论各自说清。ADHD 侧,几十年研究的一条主线结论(Barkley 等人的执行功能理论是代表):ADHD 是「知道」与「做到」之间的断裂——智力完好、知识完好,受损的是把意图转译成时序行为的那组功能:抑制(挡住干扰)、工作记忆(在线保持目标)、计划(拆解与排序)、自我监控(边做边查)。临床上最有效的非药物干预,方向惊人一致:不是教更多知识,是外部化这些功能——外部提醒替代前瞻记忆、清单替代工作记忆、拆解替代内源计划、他人监督替代自我监控。

harness 侧,agent 论文这几年的核心发现,换掉术语后是同一句话:LLM 的失败不在单步生成(单步能力惊人),在长程执行——目标在长上下文中漂移(在线保持目标失败)、被无关信息带偏(抑制失败)、不会自查错误(自我监控失败)、长任务不拆就崩(计划失败)。而工程界给出的解药清单:system prompt 重注入、外部记忆、planner-executor 分离、验证器、护栏——每一项都是把某个「执行功能」从模型内部搬到系统外部。harness 这个词本身就是答案:不改模型,在外面套一层执行结构。

两边为什么零互引却同构?因为它们撞上的是同一类系统的同一个短板:一个强大的生成核心(联想、创造、模式补全)+ 一个薄弱的序列控制层(维持、抑制、监控、规划)。人脑的前额叶功能与更古老的生成系统之间的失衡,和 LLM「下一个词预测」的架构与长程任务需求之间的失衡——机制完全不同(这必须说死:神经递质不是注意力权重,大脑不是 Transformer),但系统层面的功能缺口是同一个形状,所以两边各自独立地发明了同一形状的补丁。 这正是 Swanson 文献发现的经典结构:A 与 C 互不引用,却共享中间机制 B——「执行功能的外部化」就是那个 B。

这个同构对两边各有一份礼物。给 ADHD 用户的:harness 工程是一座巨大的、快速迭代的「执行功能外部化」实验场——工程师们在用真金白银测试哪种拆解方式、哪种提醒频率、哪种验证结构真的有效,这些设计模式(本系列一百多篇写的就是这个)可以反向借用。给 harness 工程师的:ADHD 研究是几十年的先行文献——延迟折扣、时间知觉、奖励时序、干预的依从性衰减,这些人类侧被反复验证过的坑,agent 系统一个不少地正在重新掉进去;读一点临床文献,能少交很多学费。

边界

同构强度 A 级:本文主题本身有直接同构研究支撑(以 LLM 为对象测执行功能范式、比较认知缺陷结构的论文正在出现,见参考来源),双域各自的核心结论均有高等级文献。声明:同构在「功能缺口与补偿策略」层面成立,不在机制层面成立——本文不主张 ADHD 大脑是生物版 LLM,也不主张 agent 研究能替代 ADHD 临床;诊断、药物与治疗决策,永远以临床证据与专业评估为准。

今天就能试的 3 件事

1. 做一次「补丁对照」:列出你在用的 ADHD 工具,给每个找出 harness 侧的对应物(提醒=重注入,清单=外部记忆……)——理解自己工具栈的架构。
2. 借一个工程模式:挑一个你还没用过的 harness 设计(如验证器:做完后固定自查三项),移植到自己的流程里跑一周。
3. 转告一位做 agent 的朋友:让 ta 查一下「delay discounting」的文献——ta 的 agent 正在经历的,人类研究三十年前就画好了曲线。

两个领域背对背挖了几十年,挖穿的是同一堵墙——这不是巧合,是同一类系统在向世界索要同一种支撑。墙这边的人和墙那边的机器,原来一直在共享同一份图纸。

参考来源

同构强度：B 级 —— 机制类比（ADHD 侧与 LLM/agent 侧均有真实文献，机制可映射）

• 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 73 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。