如何让你的 Claude Code，像 ADHD 那样思考

前两天我在做一个产品定价方案，问 Claude Code 有什么思路。

它给了我四个方向。但我看完之后觉得，这不就是我直接问豆包也能得出的答案嘛：

按用量分层（Free、Pro）、按用量计费、Token Plan、免费加广告。

这些回答如同教科书一般正确，但不是我想要的那种「还能这样？然后恍然大悟」的有些心意的答案。

有没有可能让 Claude Code 的输出不这么枯燥？

我做了几次尝试，比如改 Agent 的 md 文件，发现效果一般。

这个问题直到前几天，我突然找到了一个参考答案：

我在 Reddit 上看到一个帖子，标题是「I gave Claude Code ADHD.. and it thinks 2x better now」.

帖子的作者主要是做医疗 AI 安全研究，他通过 Skill 的方法把 ADHD 的思维塞进了 Claude Code，还为这个 Skill 写了篇论文。

前段时间，我同事写过一篇 ADHD 的文章我很喜欢：《ADHD，反而成了 AI 时代的版本答案？! 》

我虽然不是 ADHD，但我立刻想到一点：这个 Skill 能帮我把 Claude Code 变成 ADHD？那可太帅了。

于是我花了两个小时，把论文和代码都看了一遍。

看完之后我觉得，这个 Skill 在一些特定的场景真的很有价值。

真理往往掌握在少数人手里

先说一个我的判断：现在大模型最大的问题，不是幻觉和回答错误，而是回答得太「正确」了。

这种过于正确的原因是 LLM 的自回归生成机制：

它让每个 token 都是基于前文的条件概率分布采样出来的，虽然有 temperature 等随机性调节，但整体仍然被训练分布强烈约束。

这意味着：大模型写到第三句话的时候，前两句话已经把后面的方向锚定了。

《这就是 ChatGPT》

所以大模型最终输出的，永远是符合训练分布的常规「思考」，而不是真正有价值的「独特」想法（除非你的提示词非常独特，但这不符合大部分的对话方式）。

这在有标准答案的问题上完全没毛病：你问它快排怎么写，它给你写得又快又对。

但大部分问题是开放式的问题，大模型在这里就容易变得「平庸」。

比如当你做架构决策、思考方案这种问题时，这时候标准答案往往就是那个「平庸」的答案。

但真正有价值的方案，往往是「掌握在少数人手里」的「非常规化思考」。

而这，恰恰就是 ADHD 思维的舒适区：

跳过前三个显而易见的答案，在别人停下来的地方继续拐弯，这就是 ADHD 思维最擅长的事。

ADHD Skill 的三个设计

ADHD 这个 Skill 的核心设计，我把它概括成三点。

第一，五个独立的 Agent。

它不是让一个 AI 想五次，而是开五个完全独立的 LLM 调用，每个调用之间没有任何共享上下文。

Agent A 里的想法，在 Agent B 里根本看不到。上下文直接被物理隔离掉了，所以这就不是靠 Prompt 说「请忽略之前的想法」或者通过上下文的压缩来「减少上下文」，而是根本没有「之前的想法」这个东西存在。

这和 Anthropic 在 Harness 工程里推荐的做法类似：他们认为长任务应该把上下文直接重置，避免上下文压缩影响任务效果。

《harness-design-long-running-apps》

第二，认知框架驱动。

每个 Agent 被分配一个完全不同的「思考角色」。

比如「你是一个监管者，审计这个系统的合规性和失败模式」、「你是一个十岁小孩，从没见过软件，用最天真的方式重新想这个问题」。

论文里有 15 个这样的框架，ADHD 在跑的时候每次会选五个：目的不是让它们各自「正确」，而是让它们各自「不同」。

这样就强制让每个 Agent 只能从一个特定视角出发思考，模拟出 ADHD 式的多线程认知。

第三，生成和批评的流程分离。

这是我觉得最精妙的设计：

- 发散阶段，系统提示明确写着「你是生成器不是批评者，禁止评价、禁止排序、禁止对冲」。

- 收敛阶段，换一个完全不同的 LLM 调用，系统提示变成「你现在是批评者，对抗性阅读，打分，找陷阱」。

这两个角色，用的是不同的调用、不同的 system prompt、不同的输出格式。

为什么这很重要？因为创造力和判断力同时运作的时候，创造力就发挥不出来能力。

就像一个人在写文章初稿的时候同时在改稿，结果就是什么都写不出来，LLM 也一样。

所以，通过这样的分阶段设计，ADHD Skill 就可以实现：

发散阶段，根据问题从五个独立视角「多线程思考」

收敛阶段，用一个线程负责「整合思考」，最后，给出一个「非常规」的答案。

我拿它跑了两个真实问题

我用 ADHD 的 Skill 跑了两个真实的问题。

第一个是 SaaS 定价。

这个背景是，我一个朋友做了一个面向中小企业的团队协作工具，大概 5000 用户，需要设计定价模型。

然后他们团队内部讨论了很久，不知道怎么定。

于是，他找我做设计定价方案，我就用了这个 Skill 在 Claude Code 跑了一下：

结果 ADHD 选了五个框架：市场机制、游戏设计师、反向思考、十岁小孩、竞争对手视角。

跑完之后它给出了 30 个想法，聚类成了五个大方向。

让我真正愣了一下的是，它最终提出一个叫「反熵定价」的东西：团队的知识库越完善，月账单越低。

具体来说就是，知识库里的文档覆盖率高了、重复问题减少了，折扣就自动出来。

这个想法好在哪？它把「付费」变成了产品价值的一部分。用户为了省钱会主动完善知识库，而知识库越完善切换成本越高。留存率和产品质量形成正循环。

说实话，我在看到它之前，最多只能想到按照文档 API 付费这一层。

而按他这个方向，千人千面，每个人的付费逻辑不一样，这种定价逻辑，我想到没想过。

第二个问题是给一个 Agent 产品想一个名字。

我最近想给面向一人公司，做个 Agent 工具，但是起名字不知道怎么起。

然后我就用了这个 Skill 跑了一下：

于是五个框架，选了反向思维、市场定位、竞争者视角、天真直觉、生物隐喻。

最终推荐排第一的叫 Quorum：

它把一人公司重新定义成「一组达到协调共识阈值的智能体集合」，还是蛮有叙事张力的。

这个名字从「生物学」框架冒出来的，然后收敛阶段被打了高分。

这种跨框架的碰撞，很难靠单一视角想出来。

ADHD 论文，讲了什么？

当然，这两个案例还不够严谨，ADHD 真的足够有效吗？

作者自己也做了更系统的验证，甚至写了篇论文：《ADHD: Parallel Divergent Ideation for Coding Agents》

论文里用 6 个开放式工程问题做了测评：ADHD 对比同模型的单次回答，5 胜 1 负。

他的测评结果是，ADHD 让整个方案的新颖性提升 5.17，广度提升 4.17。

如果从传统提示词工程的角度，可以这样理解这个思想：

ADHD 改变的是 AI 的思考逻辑，让我们在调用模型时，直接改变模型输出的结构。

你可能会说，CoT（思维链）不是让 AI 想得更深了吗？ToT（思维树）不是让它搜得更广了吗？

没错。

但 CoT 是让一个脑子沿着一条路想得更慢更仔细，它依然是一条线。ToT 是让同一个脑子在分叉点尝试不同的下一步，但分支之间共享上下文，写到第四步的时候前三步的上下文依然在。

所以无论大模型想得再深、搜得再广，都不能解决「角度本身就没换过」这个问题。

理解了这个区别之后，我们可以思考一个更大的问题：

当模型能力和框架趋同之后，下一个差异化的维度是什么？

我认为是推理时工程：在调用模型的那一刻，你怎么组织调用、怎么隔离上下文、怎么分配角色、怎么安排生成和评估的时序。

一个例子就是最近 Claude Code 推出的蜂群模式（Agent Teams）：让多个 AI 并行协作成为可能，最多支持 20 个子 Agents 同时跑。

ADHD Skill 也是这个方向的一个具体实现：

它不改模型权重，不做微调，纯粹在推理时用调用编排的方式，改变 Agent 输出的多样性和质量。

如果你想试试，安装只需要一行命令：npm install -g adhd-agent

对于那些每天都在做架构决策、产品定位、技术选型的人来说，这可能是目前性价比最高的「第二大脑扩展」：

让它学会像一个版本最强的 ADHD 一样，用不同的角度深度思考一个问题。

文章来自于"特工宇宙"，作者 "特工小花 特工小饼"。