为什么用 ChatGPT 治 ADHD 的不知哪些方法有用，和给 agent 套 human-in-the-loop 监督是一回事？

ADHD 世界的信息问题不是方法太少,是方法太多且质量不明:番茄钟、正念、生酮、冷水澡、五点起床——每一种都有人斩钉截铁说「改变了我的人生」。agent 工程对付不可靠输出的方案恰好是同构的:不禁止生成,但给生成接上人在回路的裁决层。

先看这个困境的真实结构。搜「ADHD 自我管理方法」,你会拿到上百种建议,混在一起的有:强证据的临床干预（药物、行为治疗）、中等证据的策略（运动、睡眠管理、外部化提醒）、机制合理但证据薄弱的技巧（各类计时法、环境设计)、以及纯粹的营销或幸存者叙事（补剂、极端作息）。对普通人,分辨它们需要读文献的能力和时间;对 ADHD 者更残酷——新方法本身就是多巴胺:尝试新方法的兴奋,常常取代了验证旧方法的耐心,于是陷入「试→三天→弃→试下一个」的循环,最后得出「什么都没用」的错误结论。

agent 工程的对应结构

LLM 会流畅地输出正确和错误混合的内容,工程界的答案不是让模型闭嘴,而是分层裁决:低风险输出直接放行,高风险输出强制人工审核,并且用运行数据持续校准哪些类型的输出可信。human-in-the-loop 的本质是:生成可以廉价而大量,但进入执行的通道必须有裁决层。

「ADHD 方法海洋」是同款问题:建议的生成是海量且廉价的（互联网保证了这一点）,你缺的是裁决层——什么值得试、试多久、怎么判定有效。ChatGPT 用对了,恰好可以当这个裁决层的工具;用错了,它只是又一个建议喷泉。

三步裁决协议

第一步:让 ChatGPT 做证据分层,而不是出主意。别问「ADHD 怎么办」（那只会得到第 101 份方法清单）,问:「以下五种我收藏的方法,请按证据强度分层:哪些有临床研究支持、哪些只有机制推测、哪些主要是个人叙事？分别说明。」把它从建议生成器调成证据分类器——这是用法上最关键的一个转向。附一条硬规则:药物与诊断层面的问题,它只配当科普,裁决权永远在医生。

第二步:一次只试一个,给足周期。从证据最强、成本最低的开始（通常是睡眠、运动、外部化提醒这类),一个方法试满两到四周——不是三天。同时试三个方法等于零个,因为你无法归因。这一步最反 ADHD 天性,所以要借结构:把「本月在试的唯一方法」写在日志第一行,新方法的冲动全部进等待清单。

第三步:用数据裁决,不用感觉。每天一条极简记录（状态分 + 该方法执行了没）。周期结束,把记录给 ChatGPT:「帮我看:执行日和未执行日的状态有可见差异吗？」感觉会骗人——新鲜感会把任何方法的前三天都变成「有效」——数据裁决就是你的人在回路,而那个「人」必须是拿着记录的你,不是热情上头的你。

这个协议本身也是一次元练习

注意一个微妙的收益:这套「分层→单变量试验→数据裁决」的流程,本身就是在训练 ADHD 最弱的那块肌肉——延迟满足与系统验证。每完成一轮,你不只筛选了一个方法,还固化了一次「不被新奇劫持」的成功经验。方法库和自控力,一鱼两吃。

边界

同构强度 B 级:human-in-the-loop 与分层审核是真实 agent 工程实践,ADHD 干预的证据分层在临床指南中真实存在（药物与行为治疗为一线,其余递减);「ChatGPT 辅助个人方法试验」是实践框架,无对照研究。再强调一次医学边界:本文协议适用于生活策略层,诊断、用药、共病问题请进诊室——那是真正意义上的 human-in-the-loop,那个 human 得有处方权。

今天就能试的 3 件事

1. 清点你的方法坟场:列出你试过又放弃的所有方法。这张表本身就说明问题——不是方法都没用,是没有一个得到过公平审判。
2. 做一次证据分层:把你正想试的方法发给 ChatGPT,要求按证据强度分类。只保留最上层。
3. 启动一个单变量月:选一个,承诺四周,建极简日志。等待清单伺候所有新冲动。

方法从来不稀缺,裁决才稀缺。给你的方法流水线装上人在回路——从此每个方法要么被数据留下,要么被数据送走,你的精力不再给任何喧哗的承诺白打工。

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 61 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。