为什么ADHD的“情绪过山车”是最高频的市场信号处理器——你的剧烈波动是别人的领先指标

产品评审会后,老板私下问她:「大家都说方案不错,你当时的脸色为什么那么难看?」她说不清——那种不适感来得又快又猛,像身体先于大脑投了反对票。三周后,那个「大家都说不错」的方案在用户测试里栽在了她当时说不出的那个点上。这不是第一次:团队里最早对某个方向兴奋的是她,最早对某个合作产生生理性抗拒的也是她——只是她的信号总是伴着过大的情绪振幅一起到,以至于所有人(包括她自己)都把信号当成了噪声。

收敛:先拆掉标题里的危险暗示:「情绪波动是领先指标」不等于「跟着情绪做决策」——那是前面 K 线篇批判过的赌法。本文只回答——ADHD 的高强度情绪反应里,是否真的混有更早、更灵敏的环境信号?如果有,怎么把信号从振幅里解调出来,而不被振幅本身甩下车?

穿透:灵敏的传感器,配了一个过载的放大器

机制分两段说,缺一段都是误导。第一段,灵敏度是真的:ADHD 的注意系统是广谱扫描型(捕获他人忽略的边缘信息——语气的迟疑、逻辑的裂缝、气氛的异样),情绪系统的反应阈值又低——两者叠加,环境中的微弱变化会更早地在她身上产生可感知的反应。她评审会上的「脸色难看」,很可能是对方案某个真实缺陷的前意识加工:身体先算出来了,语言还没跟上。这类「快而糙」的通道在演化上就是预警系统,ADHD 等于把预警系统的增益开到了最大。

第二段必须紧跟着说,放大器是失真的:同一套系统也会对无害刺激(一条语气平常的消息、一次普通的沉默)产生同样猛烈的反应——灵敏度和误报率一起升高,这是传感器物理学的基本交换。所以原始情绪信号的价值不是零,也不是金,是一堆信噪比很差的高频数据——直接拿来用(情绪一来就行动)是灾难,全部丢弃(「我的感受不可信」)是浪费。正确的姿势是信号处理。

解调协议,三步:①记录而不行动——强烈情绪反应出现时,当场只做一件事:写下「对什么/什么感觉/强度几分」,不做任何决策(把采样和执行解耦,这是全部协议的地基);②延迟解读——24 小时后回看记录,问一个解调问题:「除掉强度,这个反应指向的具体事实是什么?」(她的「脸色难看」解调后是「方案假设用户会主动打开设置页,但我们的用户从来不动设置」——这才是信号本体);③建立个人误报库——四周后统计:哪类情绪反应事后被证实(你的真信号频段),哪类反复误报(你的噪声频段:通常是涉及自我评价的那部分——被批评的刺痛几乎全是振幅,不是信号)。知道自己哪个频段准,是这套系统从玄学变成仪器的转折点。

利益视角:职场默认「情绪化=不专业」,于是高振幅者学会彻底压制表达——组织因此失去了它最灵敏的传感器,而她失去了让信号变成贡献的通道。解调协议同时是她的职场翻译器:「我对这个方案有个说不清的不适,给我一天,我把它翻译成具体问题。」——这句话,把「脸色难看」变成了专业行为。

验证

四周可测:情绪记录+24 小时解调+命中统计。核心指标是分频段命中率——不是「我的直觉准不准」,是「我的哪类直觉准」。可证伪:若四周后所有频段命中率都接近随机,你的情绪波动可能主要是内源性的(状态驱动而非环境驱动)——那么优先项是状态层(睡眠/治疗),而不是信号解调;把内源噪声当环境信号解读,是这套方法最需要防的自我欺骗。

决策

做什么:装解调协议;在团队里给自己建立「延迟翻译」的工作方式(强烈反应→请求 24 小时→交付具体问题);把已验证的真频段(比如你对「方案与真实用户脱节」的嗅觉)主动用在评审类角色上。

不做什么:不要在情绪峰值发言或决策(峰值时段只采样);不要用「我的直觉很准」概括一切(你只有某几个频段准,别的频段和所有人一样是噪声——这份诚实是这套能力的执照)。

先做什么:从今天的下一次强烈反应开始记录:对什么/什么感觉/强度几分——你的仪器,从第一条数据开始校准。

边界

ADHD 情绪反应强度偏高有临床文献基础;「边缘信息捕获→前意识预警」是机制推理,直接研究有限(本文未做正式 A/B/C 分级;「信号解调」为工程修辞)。再次强调本文不支持任何「跟情绪交易/决策」的用法;若情绪波动剧烈到伴随周期性的亢奋与崩溃、或显著损害生活,请优先专业评估——先确认仪器本身的健康,再谈它的读数。

今天就能试的 3 件事

1. 建情绪信号日志,记下今天最强烈的一次反应:对什么/什么感觉/几分。
2. 翻一次旧账:找一个「当时说不清的不适、后来被证实」的例子,解调它——你的真频段可能就藏在那类场景里。
3. 学会那句翻译话术,下次评审用一次:「我有个说不清的不适,给我一天,我翻译成具体问题。」

本文服务于人生 Harness 金字塔的状态层与价值层:你的情绪不是过山车,是一台增益过大的仪器——学会解调它,别人眼里的「情绪化」,就成了你简历上写不下但人人抢着要的那种嗅觉。

参考来源

• ¡Hacia una IA neurodivergente! (迈向神经多样性AI) — 证据等级：低（GRADE）
• ALIEN EPISTEMOLOGIES: NEURODIVERSITY, SYNTHETIC MINDS, AND THE EXPANSION OF NEUROPHILOSOPHY — 证据等级：低（GRADE）
• Monotropic Artificial Intelligence: Toward a Cognitive Taxonomy of Domain-Specialized Language Models — 证据等级：低（GRADE）
• Stroop interference and attention-deficit/hyperactivity disorder: A review and meta-analysis. — 证据等级：高（GRADE）
• Periodic Limb Movement Disorder and Restless Legs Syndrome in Children With Attention-deficit Hyperactivity Disorder — 证据等级：低（GRADE）

---

本文是「ADHD × AI」系列的第 77 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。