为什么用 Reclaim.ai 治 ADHD 的学习半途而废，和给 agent 套 外部记忆/向量库 是一回事？

上一篇(Saner 篇)讲了状态存档:学习中断后,四行笔记让你回得去。但存档解决的是「能不能回」,还有一个更隐蔽的杀手在管「回去之后还剩多少」:记忆的冷却。学习间隔一旦失控——三天变一周,一周变三周——每次回坑时,上次的内容已经凉透:遗忘曲线不等人,回坑等于重学,重学的挫败感再次拉长间隔……间隔失控与遗忘冷却互相喂养,坑在这个循环里静默死亡。这对应外部记忆工程里一个常被低估的事实:记忆库不是建好就完的,它需要维护——不被定期访问和刷新的记忆,检索价值持续衰减。

先讲 agent 侧的「记忆维护」问题。给 agent 挂了向量库,不等于记忆问题解决了:库里的内容会过时(代码库变了,旧摘要失效)、会漂移(新写入与旧条目冲突)、会沉底(从不被检索的条目等于不存在);成熟的记忆系统有维护策略:定期重建索引、刷新过时条目、对高价值记忆主动重访——记忆的可用性=存储质量 × 访问节律,后者常被忽略,而它恰恰是系统「越用越好」还是「越放越烂」的分水岭。

人类侧的对应机制,是认知科学里证据最扎实的发现之一:间隔重复(spaced repetition)——记忆的保持依赖有节律的重访,间隔过长则遗忘曲线击穿,重访成本飙升;间隔得当,每次重访都在加固且成本递减。而 ADHD 恰恰是「节律」最难自发维持的人群:前瞻记忆弱(记不得该复习了)+时间盲(感觉「才过几天」实际三周)+兴趣切换(新坑劫走时段)——间隔失控不是意外,是默认结局;神经典型者靠「模糊的习惯节律」就能维持的复习间隔,ADHD 必须靠外部调度器来保证。

Reclaim.ai 这类自动排程工具,就是给学习装节律维护器:①周期性学习块的自动防御——「每周三次、每次 45 分钟」设成周期任务,工具自动在日历里找位置并像会议一样占住:间隔的上限被系统封顶,冷却循环的第一环被掐断;②被挤掉后的自动重排——生活冲掉一个块,工具自动把它改期而不是静默丢弃:「错过一次」不再滑向「错过一个月」(ADHD 的间隔失控,多数始于一次未被重排的错过);③与状态存档的配合——每个块的开头 5 分钟读上次的四行笔记(Saner 篇),结尾 5 分钟更新——排程器保证「访问节律」,存档保证「访问质量」,两层合起来才是完整的记忆维护。

边界:其一,排程不保证学习发生——块到了人不启动,是启动层的问题(门禁/例程/共工,另配);排程器的职责是「触发永远在册且间隔可控」;其二,别把日历变成道德记分牌——被重排的块是系统在工作,不是你在失败(重排是特性,不是耻辱);其三,分清「值得维护的坑」与「该放的坑」——间隔重复的成本是真实的,只值得花在你确认要学完的东西上;兴趣已经合法迁移的坑,体面归档(Mem 篇的坑况总结),别让它占维护预算。

边界

同构定位(本文未做正式 A/B/C 分级):间隔重复与遗忘曲线的记忆文献扎实,记忆库维护是 agent 工程的真实议题,「访问节律」的同构清晰;Reclaim.ai 无 ADHD 学习对照研究。声明:工具是排程辅助;学习困难广泛者,评估优先。

今天就能试的 3 件事

1. 给一门在学的课设周期块:每周三次、每次 45 分钟,交给自动排程工具占位并防御。
2. 开启「被挤掉自动重排」:确认工具会改期而不是丢弃——错过一次,不再滑向错过一月。
3. 算一次冷却账:上次学习距今几天?超过一周,今天先花 10 分钟重访旧笔记再学新内容。

外部记忆不是仓库,是需要浇水的活系统——不被节律性访问的记忆,存了也在烂。agent 的库靠维护策略保鲜;你的学习记忆,把节律交给排程器,别交给「想起来」。

参考来源

• Hundred days of cognitive training enhance broad cognitive abilities in adulthood: findings from the COGITO study — 证据等级：低（GRADE）
• Parent and Teacher SNAP-IV Ratings of Attention Deficit Hyperactivity Disorder Symptoms — 证据等级：低（GRADE）
• Once-Daily Atomoxetine Treatment for Children and Adolescents With Attention Deficit Hyperactivity Disorder: A Randomized, Placebo-Controlled Study — 证据等级：中（GRADE）
• The AI Powered SuperApp for Work | Motion — 证据等级：低（GRADE）
• New Research Claims AI Agents Are Mathematically… | The Tech Buzz — 证据等级：低（GRADE）

---

本文是「ADHD × AI」系列的第 154 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。