为什么「治好 ADHD 的执行功能（计划/组织/启动）先天偏弱」和「让 LLM 不跑飞」其实是同一道工程题？

「治好」这两个字,是这道题里最先要划掉的部分。LLM 的执行短板从没被「治好」过——它被架构掉了。这正是 ADHD 执行功能问题最该抄的答案。

「执行功能先天偏弱」是 ADHD 的核心事实之一:计划、组织、启动、抑制、工作记忆——这组由前额叶网络支撑的管理功能,在 ADHD 神经发育中系统性地偏弱。注意「先天」这个限定词的分量:它意味着二十年的「你要学会自律」路线,是在要求一个硬件差异靠态度消失——这个路线的失败率,每个 ADHD 者都用半生验证过了。

而过去几年,AI 工程界在另一条时间线上遇到了一台同样「执行功能先天偏弱」的机器,并给出了完全不同的应对。这段历史值得完整讲一遍。

LLM:一台生成天才、执行裸机

大语言模型的能力剖面极度偏科:生成、联想、推理,火力惊人;但让它独立完成一个多步骤任务,裸模型的表现是灾难的——不会自己拆解目标、不维护进度状态、走神跑偏不自知、没有停止和检查机制。研究者甚至用认知科学的范式直接测过:Transformer 注意力在 Stroop 类冲突任务下表现出类似执行控制缺陷的崩溃;能力剖面被概括为「强记忆、弱控制」;自注意力机制的工作记忆容量存在架构性上限。一台生成核心高配、执行层缺失的机器——这个描述,ADHD 者读起来应该毛骨悚然地熟悉。

关键在于工程界接下来做了什么。没有人试图「治好」模型。 没有人给 GPT 上自律课。整个行业的回应是一场声势浩大的外部建设:planner 组件负责把目标编译成步骤;memory 系统负责跨步骤的状态维护;调度器负责启动和排序;monitor 负责检测漂移并重锚定;guardrail 负责兜住出格的输出。这套外部结构统称 harness——它不改变模型一个参数,却让同一个模型从「不可用」变成「可交付」。

同一道题的 ADHD 解法:从改造自己到装配自己

把这个工程事实翻译回 ADHD,得到一个方向性的结论:执行功能偏弱是架构属性,架构属性的对策不是修复,是外置。每个缺失的执行模块,都有对应的外部组件可配:

• 计划弱 → 外置 planner:任务拆解交给 ChatGPT、Goblin Tools,或一段固定的「周一编译时间」——把「想清楚怎么做」从临场负担变成预制品。
• 组织弱 → 外置状态层:单一收件箱、项目快照、决策日志——让「现在做到哪了」永远有处可查,而不是靠一块易失的工作记忆硬扛。
• 启动弱 → 外置点火器:5 分钟合同、身体在场(body doubling)、前一晚写好的「明早第一件事」——把启动的激活能从山峰削成台阶。
• 跑偏 → 外置对齐:贴在显示器上的周目标、定时的对齐检查、被授权提醒你的同伴——agent 的重锚定机制,人肉版一样有效。

这些工具单个看都不新鲜——新的是框架:它们不是「弥补缺陷的小技巧」,是一套针对已知架构特性的系统性装配。区别在心态,也在效果:小技巧用三天就丢,因为它背负着「我本不该需要它」的羞耻;架构组件会被长期维护,因为没有人对自己的眼镜感到羞耻。

这个同构有多硬？

诚实地标定:这是本系列同构强度最高的一条主线之一(A 级)。双侧都有直接研究——ADHD 侧的执行功能缺陷有数十年的神经心理学文献;LLM 侧的执行控制缺陷有直接的实证测量(2024–2026 的多篇同构研究,正是用人类认知范式测模型);「外部 harness 有效」在工程侧是行业共识,在 ADHD 侧对应的外部支架干预也有行为治疗证据。当然,边界依然要画:大脑不是 Transformer,机制层面的等同没有被证明——同构成立在功能与对策层面:两台核心强、执行弱的系统,最优解都是装配而非改造。

今天就能试的 3 件事

1. 停用一个词:把「我要治好我的拖延/混乱」从自我对话里删掉,替换成「我要给这个模块配组件」。语言换了,方案空间就换了。
2. 选你最弱的一个执行模块(计划/组织/启动/对齐),从上文对应清单里挑一件组件,装配两周。
3. 把这篇文章的架构图讲给一个人听:向别人解释「核心 vs 执行层」的过程,会让你自己的自我理解完成一次固化。

「治好」是一个把你钉在缺陷叙事里的动词。工程界用两年时间证明了另一个动词的威力——不是 cure,是 harness。给天才的核心配上执行的外骨骼,这道题,两边的答案已经收敛了。

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）
• 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 237 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。