为什么「治好 ADHD 的状态日内大幅波动、不稳定」和「让 LLM 不跑飞」其实是同一道工程题？

ADHD 者对自己最深的困惑之一:同一个我,为什么上午十点是废人,下午四点是天才?——同样的任务,昨天两小时行云流水,今天两小时刷了手机;状态的日内方差大到让「我能做什么」这个问题没有稳定答案。而 LLM 工程师对模型有一模一样的抱怨:同一个提示,为什么这次输出精彩,重跑一次就胡言乱语?——采样的随机性让「模型能做什么」也没有稳定答案。两边的旧解法也惊人一致且同样无效:对人喊「你昨天明明可以!」,对模型说「你刚才明明答对了!」——都在要求一个有内在方差的系统「靠意志」变成确定性系统。工程的正解从来不是消灭方差,是围绕方差设计:让系统在高方差下仍然产出可靠的结果。

先看 LLM 侧怎么做。模型输出的方差(采样温度、随机种子带来的波动)是生成式系统的本性,工程上没人试图「说服」模型稳定,而是加结构:其一,关键路径去随机——需要确定性的环节(格式、计算、校验)不靠采样,靠代码:温度调零、输出加 schema 约束、算术交给计算器工具;其二,多采样取优——重要的生成跑多次,投票或择优(self-consistency):用冗余买可靠性,承认单次输出不可信;其三,验证兜底——无论生成质量如何波动,下游有测试/校验器把关:方差被允许存在于生成层,但被拦截在交付层。三招合起来的哲学:可靠性是系统属性,不是单元属性——单元(模型)可以抖,系统(harness)不能抖。

翻回 ADHD 侧,状态波动的现实同样不可谈判:唤醒水平、药物曲线、睡眠质量、情绪事件,让认知表现的日内起伏远大于神经典型者(表现变异性增大是 ADHD 研究里的稳健发现之一——「不稳定」本身,比「平均水平低」更接近这个障碍的核心);而多数人的应对,恰恰是 LLM 工程明令禁止的那种:按最好状态做计划(昨天两小时搞定,所以今天也排两小时)、用意志对抗低谷(状态差也硬坐着,产出零还攒了债)、把波动归罪于品格(「我就是不自律」——把系统方差审判成道德缺陷)。

把三招翻译过来,就是「状态工程」的完整配方:其一,关键路径去随机——绝不能抖的事(吃药、接孩子、交付 deadline),不依赖状态,交给结构:闹钟、例程、自动化、提前完成——让最重要的 20% 对状态免疫;其二,多时段采样——重要的工作不排「一次定生死」的大块,拆成多个错开时段的小块(上午一块、下午一块、明天一块):总有一块落在好状态里,用时段冗余买产出可靠性;顺带地,难任务优先排在你的统计高峰时段(RescueTime 篇的日志会告诉你在哪);其三,低状态协议——预先写好「废人模式菜单」:状态崩的时段,不做需要创造力的事,切换到机械任务(整理、归档、跑腿)或直接合法休息——低谷不追产出,追「不攒债」(硬坐着的产出是零,但攒下的挫败是负的);其四,交付层验证——重要产出安排一次「另一个状态的自己」的复查(今天写的,明天早上过一遍)——单次状态的输出不可全信,和单次采样一个道理。

边界:其一,波动的幅度值得监测——如果「好状态」高到冲动消费/不睡觉、「低状态」低到持续数日起不来,那可能超出 ADHD 的波动范围(双相等共病的方向),请专业评估;其二,药物对波动的影响请与医生讨论(剂型与时间曲线的匹配是临床话题);其三,同构是应对结构层面的——采样方差与神经状态波动机制完全不同,共享的是「方差不可消灭→围绕方差设计」的工程结构。

边界

同构强度 B 级:表现变异性增大是 ADHD 研究的稳健发现方向,采样方差与多采样/验证是 LLM 工程实体,「围绕方差设计」的结构对应清晰;「状态工程」为实践框架,无临床对照。声明:极端的状态波动请评估共病;用药时间曲线问题请咨询处方医生。

今天就能试的 3 件事

1. 列出你的「绝不能抖」清单:三件最重要的事,逐一检查它们是否依赖状态——是的话,今天给它加结构。
2. 写一份废人模式菜单:五件低状态也能做的机械事——下次崩的时段,照单执行,不自我审判。
3. 拆一个大块:本周最重要的任务,从「周三下午一次搞定」改成三个错开的小块——买一份时段冗余。

「你昨天明明可以」和「你刚才明明答对了」是同一句无效的话——对有内在方差的系统,意志喊话不是工程。LLM 靠冗余与验证在波动之上建立可靠;你的状态波动,也配得上同样的系统设计,而不是道德审判。

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）

• AI for ADHD: Best Tools, Apps, and Strategies - Themba Tutors — 证据等级：低（GRADE）
• 11 Best ADHD Productivity Apps for Fluctuating Energy - rivva blog — 证据等级：低（GRADE）
• 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：工作记忆 — Toward Systems Neuroscience of ADHD: A Meta-Analysis of 55 f ↔ OCR-Memory: Optical Context Retrieval for Long-Horizon Agent — 证据等级：高（GRADE）
• LBD同构对：注意调度 — Norepinephrine ignites local hotspots of neuronal excitation ↔ Who is in the Spotlight: The Hidden Bias Undermining Multimo — 证据等级：低（GRADE）

---

本文是「ADHD × AI」系列的第 177 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。