为什么用 Reclaim.ai 治 ADHD 的想理解自己的大脑，和给 agent 套 生成核心 + 缺失的执行层 是一回事？

上一篇(rank 392)讲了用全家桶工具当自我诊断探针的总方法;这一篇把探针换成 Reclaim.ai——一个更「窄」也因此更锋利的探针:它只做一件事,AI 自动排程(你给任务和优先级,它在日历里找位置、被挤掉自动重排)。窄探针的好处是读数干净:**Reclaim 把「时间调度」这一层单独从你的大脑里抽出来外包了,于是你和它的全部摩擦,都在给同一个问题提供证据——你的时间系统,到底是哪里坏的?**这正是 agent 工程隔离变量的做法:怀疑哪个组件,就单独替换哪个组件,看系统行为怎么变——替换后修复的部分,就是原组件的病灶;替换后依然故障的部分,病灶在别处。

「时间系统的病灶到底在哪」对 ADHD 者远不是显然的——「我时间管理差」这句自我描述,粗糙得近乎无用,它至少混杂了四种完全不同的故障,而 Reclaim 恰好能把它们逐一分离。故障 A:排程本身(决定何时做什么)——如果这是你的主病灶,Reclaim 上线后你会体验到显著的解放:决策疲劳骤降、「今天该干嘛」的漂移时间减少——排程外包生效=你的病灶确实在排程层;这类人此前的崩溃主因是每天现场重排人生的认知税。故障 B:时间感知(对时长的估计)——症状是 Reclaim 排的块永远不够用:你告诉它「这任务两小时」,实际四小时——排程器忠实地执行了你的错误输入;如果你的日历持续崩在「块太短」上,病灶不在调度在估计——读数明确,修法也明确:记录几周「估计 vs 实际」,算出你的个人膨胀系数(381 篇的折扣率),以后一律乘上去。故障 C:启动(到点了动不起来)——症状是块排得完美、兑现率却低:14:00 的深度工作块开始了,你人在椅子上,手在别的地方——排程外包后依然故障=病灶在排程的下游;这是最常见也最重要的读数,因为它纠正一个昂贵的误诊:无数 ADHD 者以为自己缺的是「更好的日程系统」,换了十个日历 app,而他们缺的其实是点火装置(启动仪式/body doubling/两分钟版本)——Reclaim 的价值这时候不在它排的程,在它用干净的数据告诉你:别再买日历了。故障 D:留白与恢复(系统性超载)——症状是每个块单看都合理,连起来的一周让你到周三就烧干——病灶不在任何单点,在负载模型:你(和排程器)都把人当成了无损耗的机器;读数是「周中崩溃的规律性」,修法是给算法设七成上限(367 篇讲过的刹车权)。

四种故障,一个探针,几周数据就能分离——对比一下传统路径:一个人靠内省想搞清「我时间管理为什么差」,通常在自责和玄学之间打转十年。这就是「工具当探针」在时间这一层的特殊价值:时间是 ADHD 自我认知里最失真的维度(时间盲的第一受害者恰恰是「对时间盲的自我觉察」——你连自己估计有多不准都估计不准),内省在这里的信度接近零,只有外部系统的对账数据能当证据。拿到读数之后的施工方向,四种故障各自清楚:A 继续用排程外包(它就是你的假肢,用好);B 修估计(膨胀系数);C 配启动组件(排程器管不了点火);D 改负载模型(留白硬约束)——多数人是混合型,但主次分明之后,资源就知道往哪投了。

边界照旧三条:其一,探针读数是功能画像,不是临床诊断——「故障 C 显著」值得写进你带给医生的观察笔记,但结论请留给评估;其二,数据窗口要避开异常期(搬家/换岗/生病的月份读数作废),且读趋势不读单日;其三,提醒一个 Reclaim 特有的观察污染:它的自动重排太顺滑,会把故障 C(没启动)静默地记录成「日程变化」——做读数期间,建议手动记一笔每个块的真实结局(做了/没做/做了别的),别全信日历的账面——探针本身也需要校准,这句话对工具和对人都成立。

边界

同构定位(本文未做正式 A/B/C 分级):时间感知偏差与启动困难有 ADHD 研究方向,单组件替换定位病灶是工程实践,「排程外包分离四种故障」的结构对应清晰;读数框架为实践翻译,无对照研究。声明:Reclaim.ai 未被证实为 ADHD 治疗手段,使用数据不构成临床诊断;正式评估请找专业人士。

今天就能试的 3 件事

1. 开始记「块的真实结局」:本周 Reclaim 排的每个块,标一个字:做了/没做/做了别的——这是你的病灶分离数据。
2. 算一次膨胀系数:挑五个任务,记「告诉它的时长 vs 实际时长」——故障 B 有没有,五个样本就见轮廓。
3. 对号入座写一行结论:A/B/C/D 哪个是你的主故障?——把这一行带给你的医生或写进你的 harness 规划。

「我时间管理差」是一句没有信息量的自责——把时间调度层外包出去,四种故障会在数据里自动分家。排程好了是 A,块总不够是 B,排了不动是 C,周三烧干是 D:读懂自己的病灶,才配得上对症的施工。

参考来源

• Artificial Intelligence Improves Ability to Use MRI to Diagnose ADHD — 证据等级：中（GRADE）
• Brain Connectivity Breakthrough Sheds New Light on ADHD — 证据等级：中（GRADE）
• Neurocognitive functions in pathological gambling: a comparison with alcohol dependence, Tourette syndrome and normal controls — 证据等级：低（GRADE）
• The Status of Irritability in Psychiatry: A Conceptual and Quantitative Review — 证据等级：低（GRADE）

---

本文是「ADHD × AI」系列的第 231 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。