为什么认知外包 OS 的第一问题不是效率，而是身份感？

一位用了半年「AI 全家桶」的 ADHD 设计师，在年度复盘时写下一句话，然后删掉了：「今年完成的所有项目，好像都不是我做的。」她的任务由 Motion 排、邮件由 ChatGPT 写、会议由 AI 纪要、灵感由语音笔记自动归档。效率报表漂亮得前所未有，但她第一次认真考虑把这套系统全部关掉。

先把这个粗糙的大问题收敛一下。「认知外包让我不舒服」其实混着两个完全不同的问题：一个是「外包之后效率有没有提高」，另一个是「外包之后，还剩下多少事情是『我』做的」。前者有仪表盘可看，后者没有——而让人半夜想关系统的，从来是后者。所以本文只回答一个问题：当外部系统接管了记忆、组织和调度之后，ADHD 使用者的「自我」应该被重新安放在哪里？

穿透：两边的机制都指向同一个位置

ADHD 侧的机制是这样的：执行功能（工作记忆、任务启动、时间管理）长期被当作「品格」来体验——记得住约定的人是「靠谱的人」，能按时开工的人是「自律的人」。于是当 AI 把这些功能整体接管，被抽走的不只是负担，还有几十年来自我叙事的地基。这不是矫情，而是叙事层的结构性震动：你过去用来定义「我是谁」的材料，突然被证明是可替换的模块。

LLM/agent 侧有一个精确的对应结构：一个 agent 系统里，模型本体只负责生成，规划器、记忆库、工具调用、验证循环全部在 harness 里。没有工程师会说「这个 agent 不真实，因为它的记忆在向量库里」——因为工程上从一开始就把「核心能力」和「支撑结构」分开定义了。生成核心的价值不因外围结构而贬值；恰恰相反，harness 越完善，核心的生成质量越被凸显。

谁在从模糊中获利？效率工具的营销需要你相信「用了它你会变强」，而你的旧叙事需要你相信「不靠自己做到的都不算数」。两边合谋的结果是：你一边外包一边羞愧，续费和自我怀疑同时发生。

验证：这个判断经得起证伪吗

反例是存在的，而且值得认真对待：确实有使用者外包过度之后，连「判断做什么」也交了出去——日程完全由算法排，写什么由模型定，这时身份感的失落是一个真实信号而不是需要克服的心理障碍。区分标准是一条线：**目标与品味是否还由你产出。**如果系统只是替你「执行」你定下的方向，身份没有被侵蚀；如果系统开始替你「决定」方向，那不是外包，是退位。

你可以自测（N-of-1，两周即可）：每周日写三行——本周哪些成果的「方向」是我定的？哪些「执行」是系统做的？有没有一件事连方向都不是我定的？第三行连续出现同一类事，就是收权的位置。

决策：做什么、不做什么、先做什么

做什么：把自我定义显式地从「执行功能」迁移到「方向 + 品味 + 判断」——那是生成核心的位置，也是任何 harness 都替代不了的位置。

不做什么：不要为了找回身份感而拆掉整个外包系统回去「靠自己」——那等于工程师为了证明模型强大而删掉记忆库，两周后你会同时失去效率和自尊。也不要用「反正都是 AI 做的」贬低自己的产出——方向是你定的，成果就是你的。

先做什么：先做上面那个三行自测，先弄清楚身份感流失的具体位置，再决定动哪个模块。

边界

本文的同构停留在计算层的结构类比（本文未做正式 A/B/C 分级）：「生成核心 / 支撑结构」的划分是一个帮助重构自我叙事的工程隐喻，不是神经科学结论。ADHD 大脑不是字面意义上的语言模型。若身份感的动摇伴随持续的情绪低落、空虚或功能损害，请寻求精神科或心理咨询的专业评估——叙事重构不能替代临床支持。

今天就能试的 3 件事

1. 打开你最常用的 AI 工具，把最近一个完成的项目拆成两列写下来：「方向由谁定」「执行由谁做」——只需 5 分钟，看清结构本身就有安放作用。
2. 在系统里给自己保留一个「不外包位」：每天一件小事（比如给一个人回消息）完全手动完成，作为身份的锚点，而不是效率的例外。
3. 把「今年的成果不是我做的」改写成一句工程语言写在便签上：「生成核心是我，harness 是我配的」——配 harness 本身就是能力。

本文服务于人生 Harness 金字塔的叙事层：它不让你多完成一件事，但让你在外包一切之后，仍然知道剩下的那个「我」值多少。

参考来源

• Diagnosis of ADHD in Children with EEG and Machine Learning … — 证据等级：低（GRADE）
• Landmark finding that showed brains of kids with ADHD mature later … — 证据等级：中（GRADE）
• Attention-Deficit/Hyperactivity Disorder and Very Preterm/Very Low Birth Weight: A Meta-analysis — 证据等级：高（GRADE）

---

本文是「ADHD × AI」系列的第 1 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。