为什么「治好 ADHD 的不擅长精确、重复、状态维护类任务」和「让 LLM 不跑飞」其实是同一道工程题？
agent 通过 function calling 把精确计算外包给工具——同一套 harness 思路，两边都成立。
为什么「治好 ADHD 的不擅长精确、重复、状态维护类任务」和「让 LLM 不跑飞」其实是同一道工程题？
报销单、周报、对账、填表、定期跟进——这些事有个共同点:不难,但精确、重复、要维护状态。它们是 ADHD 的坟场,也是 LLM 的坟场。而工程界对后者的处理方式,给前者指了一条几乎没人走的明路:这类任务,本来就不该由生成型系统亲手做。
先看两边的失败现场有多像。ADHD 侧:能写出漂亮的方案,却在报销单上错三个数字;能连夜搞定复杂问题,却让一份周报拖两周;订好的定期跟进,第三次开始遗忘。LLM 侧:能生成优雅的分析,却在多位数乘法上翻车;能写复杂代码,却在「重复一百次同样格式」的任务里逐渐漂移出错;长流程中的状态维护(第 47 步时还记得第 3 步的约定)是著名弱项。
共同的机制画像:两者都是概率型/联想型系统,强于生成与跳跃,弱于精确与保持。对 ADHD,低刺激重复任务无法激活多巴胺驱动的注意系统,状态维护吃的又是最弱的工作记忆;对 LLM,逐 token 的概率生成天然不保证算术精确,长上下文的注意力稀释天然不保证状态一致。
工程界的答案:不硬扛,externalize
关键在工程界接下来的动作——没有人试图把 LLM 训练成精确计算器。行业共识是工具调用(tool use):算术交给计算器/代码解释器,精确检索交给数据库,状态维护交给外部存储和工作流引擎。模型只负责它擅长的:理解、决策、生成。「认知卸载」不是模型的耻辱,是架构的常识——让概率系统干确定性系统的活,本身就是设计错误。
而 ADHD 者(以及他们的上级、家人)对同款问题的主流态度,仍然是「再细心一点」「建立习惯」「这么简单的事怎么会做不好」——相当于坚持要 LLM 用心算。二十年不 work 的原因不在态度,在架构。
ADHD 版的工具调用清单
按任务类型逐个卸载:
精确类(数字、日期、拼写、格式):一律双通道——自己产出,机器校验。报销用扫描/自动导入而非手填;重要数字复制粘贴而非转录;文档发出前过一遍 AI 检查(「检查数字、日期、称呼的一致性」)。原则:你的眼睛不做最后一道质检,机器做。
重复类(周报、例行邮件、定期填报):模板化 + 半自动化。周报做成固定模板,每周只填三个空;例行邮件存成草稿模板;能用自动化工具(表单自动填充、日程自动生成)的绝不手工。重复任务的摩擦每降一分,完成率升一截——因为对 ADHD,重复任务的敌人不是难度,是启动成本 × 频次。
状态维护类(跟进、对账、多线程进度):这是最该彻底外置的一类。跟进交给 CRM 式清单(哪怕是一张表:对象/上次动作/下次动作/日期),配定时提醒;多项目进度用单一面板;对账类设固定的「维护时段」(每周五 30 分钟集中处理所有状态类杂务)——集中批处理是对抗「每天想起一点」式消耗的有效编排。
卸不掉的部分:总有残余必须亲手做。对它们用「刺激注入」:计时挑战(20 分钟内清完这叠单据)、body doubling、配上音乐、做完即时奖励。不改变任务,改变任务的化学包装。
一个身份层面的松绑
这道工程题的最后一层是自我叙事。「连报销都搞不定」在多数职场叙事里等于「不靠谱」,于是 ADHD 者把大量自尊消耗在这类任务的失败上。架构视角的重写:你不是不靠谱,你是被派了不匹配的工种——一台生成型引擎被按在了确定性流水线上。把工种换掉(卸载 + 模板 + 批处理),把省下的自尊和算力投回你真正的产区:那些需要跳跃、联想、爆发的事。公司也好,人生也好,回报你的从来是后者。
边界
同构强度 B 级:LLM 的算术与长程一致性弱点、工具调用范式都是真实工程事实;ADHD 对低刺激重复任务的困难有动机与执行功能文献支撑;「逐类卸载」是机制映射的实践框架,无对照研究。注意:某些岗位的核心职责就是精确与状态维护(财务、质检、合规)——如果你的日常八成是这类任务且全线痛苦,值得考虑的可能不只是工具,还有岗位匹配本身。
今天就能试的 3 件事
- 列出你的「坟场任务」:精确/重复/状态维护三类,各写出最痛的一件。
- 各配一件卸载工具:精确类加机器质检,重复类建模板,状态类进面板+提醒。今天先配一件。
- 设立周五维护时段:30 分钟,音乐+计时,批处理所有状态类杂务。给它一个仪式感的名字。
让 LLM 心算是设计错误,让 ADHD 硬扛报销单也是。这道题两边的答案都不是「更努力」,是「换架构」——生成的归引擎,精确的归工具,谁的活谁干。
参考来源
同构强度：A 级 —— 直接文献支撑（引用 ADHD↔LLM 同构专题研究）
- 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）
- Toward Neurodivergent-Aware Productivity: A Systems and AI-Based Human-in-the-Loop Framework for ADHD-Affected Professionals — 证据等级：低（GRADE）
- Using an AI Assistant to Manage ADHD: A Practical Guide — 证据等级：低（GRADE）
- Revolutionizing ADHD Management with AI Assistants — 证据等级：低（GRADE）
- 10 Killer ChatGPT Prompts For Organizing Your ADHD Brain — 证据等级：低（GRADE）
本文是「ADHD × AI」系列的第 1 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。