为什么「治好 ADHD 的冲动下结论、想当然」和「让 LLM 不跑飞」其实是同一道工程题？

LLM 最臭名昭著的毛病是一本正经地胡说八道;ADHD 最挨骂的毛病之一是没看完题就下笔、没听完话就抢答。两个看似不相干的毛病,共享同一个架构缺陷:生成太快,验证缺位——而工程界已经为此建好了整套解法。

先看两边的病理。ADHD 侧:冲动性是核心症状之一,认知上表现为反应抑制弱——第一个冒出来的答案直接夺门而出,没有经过「等等,再核对一下」的关卡。做题看错要求、邮件没读完就回复、会议里抢答了一个跑偏的方案、把「大概是这样」当成「就是这样」……事后一看全是低级错误,懊恼的正是「我明明会」。LLM 侧:幻觉的机制虽然不同(基于概率的流畅生成,不自带事实校验),但行为形态惊人一致——输出的自信度和正确性脱钩,一样的一本正经,一样的事后打脸。

关键在工程界的应对,它从不指望「模型下次想清楚再说」,而是在生成外面加验证架构:self-critique / 复查循环(生成后强制第二轮审视)、多数投票(采样多次取一致答案)、检索验证(关键事实回查来源)、分步强制(chain-of-thought:先摆推理再给结论,错误率显著下降)。共同哲学:快的生成不动,慢的验证外挂——恰好是 Kahneman 系统1/系统2 的工程复刻。

人类版逐条translate:

给「第一反应」加一道关卡

高风险输出强制二读。定义你的高风险清单(发出去收不回的:邮件、群消息、报价、答卷),规则:写完≠发出,中间隔一道机械化的二读——重读一遍原始问题/原始邮件,再读一遍自己的回应,确认「答的是问的」。考试场景的对应:审题动作仪式化(圈出题目里的否定词、限定词,再动笔)——冲动型错误的一半死在「答了一道自己想象的题」。

「24 小时规则」管不可逆决策。冲动下结论最贵的版本是冲动决策(裸辞、大额购买、当场答应)。给不可逆决策立规:再想要,也过一夜。这不是优柔寡断,是给系统2一个上场窗口——冲动的半衰期常常就是几小时,过夜之后还想做的,才是真判断。

用 AI 当你的验证循环。这是双向同构里最实用的一环:把你的结论丢给 ChatGPT 唱反调——「我的判断是 X,给我三个它可能错的理由」。注意方向:不是让 AI 替你下结论(它也冲动),是让它当你的 self-critique 通道——外部的反对意见,恰好补上你缺失的内部复查。

区分「快思优势区」和「快思禁区」。冲动不是全域缺陷:头脑风暴、危机应变、创意联想,快而不设防恰恰是优势。架构要点是分区——创意场景放开快思(先量后质,不许自我审查),交付场景强制慢检(清单+二读+隔夜)。给两种模式设明确的切换仪式,别让脑暴的油门带进合同评审。

最后说清一个常见的冤案:「想当然」常被当成态度问题(「你就是不认真」),但对 ADHD 它是抑制回路的功能问题——「认真一点」之于冲动,和「细心一点」之于粗心一样,是无效指令。有效的从来是流程:关卡、清单、隔夜、外部反调。这也是为什么工程师给 LLM 装验证循环而不是给它写「请不要幻觉」的 prompt(写了,效果有限,业界都试过)。

边界

同构强度 B 级:LLM 幻觉与验证循环是真实工程问题与实践,ADHD 反应抑制缺陷有扎实文献,行为形态的对应清晰,但机制完全不同(概率生成 vs 抑制回路)——这是功能同构不是机制等同。注意:冲动若延伸到伤害性领域(冲动消费失控、危险驾驶、物质使用),那超出「工作流改造」的辖区,请专业评估——药物对冲动维度的改善证据是所有症状维度里较强的。

今天就能试的 3 件事

1. 写下你的「高风险输出清单」:哪三类东西发出去收不回?给它们全部挂上二读规则。
2. 今天练一次「答的是问的」:回复下一封重要邮件前,重读原邮件,圈出对方真正的问题。
3. 给下一个结论找个反调:把你最近的一个判断丢给 ChatGPT 要三个反对理由。体验一次外挂验证循环。

冲动的脑子不需要变慢——快是它的天赋,错的是让快直通出口。工程师在生成和输出之间焊了一道验证,你也一样:关卡一设,快思负责精彩,慢检负责兜底,两个系统各领各的工资。

参考来源

• A Meta-analysis of Quantitative EEG Power Associated With Attention-Deficit Hyperactivity Disorder — 证据等级：高（GRADE）
• Gut microbiome in ADHD and its relation to neural reward anticipation — 证据等级：低（GRADE）

---

本文是「ADHD × AI」系列的第 17 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。