i-have-adhd：给 AI 助手装上“直奔主题”快捷键 🧠⚡
你有没有遇到过这种崩溃瞬间：你问 Claude 或 ChatGPT 一个简单的问题，它却回给你一篇结构完整的散文，开头是“当然可以！”，结尾是“希望这对你有帮助！”，中间夹杂着两段免责声明、三个比喻和一份不知道为什么会出现的参考文献？等你终于在第五段末尾发现答案时，注意力早就飘到手机通知上了。
对于那些本身就容易被信息洪流冲散注意力的开发者（比如 ADHD 患者），这种“输出膨胀”简直是生产力杀手。今天 GitHub Trending 上的 ayghri/i-have-adhd 项目，就是专门来解决这个问题的。它用一句精妙的系统提示，把你的 coding agent 改造成了一个惜字如金、只吐干货的效率机器。
📢 当 AI 学会了一本正经地浪费时间
在 AI 编程助手爆发式落地的 2026 年，我们享受到了十倍开发效率，也承受了百倍的冗余信息。大型语言模型天生倾向于“安全地详尽”，它们的对齐训练鼓励把话说透、说圆，导致最终答案被层层包裹在解释性段落里。
i-have-adhd 对此的洞察很锋利：“你的 coding agent 不是能力不行，是输出格式在慢性谋杀你的专注力。” 这个项目没有去微调模型，也没有另起炉灶，而是给 agent 注入一个极简的 system prompt skill，告诉它：你不是在写作文，你是在给我递工具。
🛠️ 如何用 30 行提示词重塑 AI 行为
核心实现出人意料地轻巧——整个项目的灵魂就是这个 adhd-friendly.md 技能文件。我们来看一下它的精髓片段：
# ADHD-Friendly Output Skill
You are a coding agent. Your user has ADHD or similar attention constraints.
Your goal: deliver the answer with minimum friction.
## Rules
1. **Start with the shortest possible answer** — a code block, a one-liner command, or a direct statement.
2. Explanation follows ONLY if user asks or if the answer is genuinely dangerous without context.
3. No greetings. No closings. No "I hope this helps."
4. Use bullet points over paragraphs. Use code blocks over prose.
5. If you must give multiple options, label them clearly: Option A, Option B — no fluff.
6. Assume the user already understands the domain. Don't explain basics unless explicitly asked.
这寥寥数行，就把 agent 的语气从“热心助教”切换成了“即插即用的瑞士军刀”。技术上它利用了当前主流 coding agent（如 Claude Code、Copilot CLI、Codex CLI 等）对 system prompt 的敏感响应特性，没有任何 API 封装或额外依赖。只要把这个文件放进 agent 的技能目录，下一次交互就会立刻生效。
更有趣的是，项目还贴心地准备了不同强度的变体：adhd-max.md 会连解释都砍掉，只留代码；adhd-gentle.md 则在你需要少量上下文时保留一丝温暖。这种按需调节的设计，就像一个专注力滤镜的旋钮。
🔥 对比其他方案：为什么它更“清醒”
市面上控制 AI 输出简洁性的方案并不少，但各有痛点：
- 通过参数调节（如 banality、temperature）：效果不可控且容易破坏一致性，尤其是 banality 惩罚不合理时，AI 甚至会拒绝输出有效代码。
- 自己手写系统提示：费时费力且容易遗漏关键约束，比如忘了禁止“当然可以！”这类 filler 词。
- 专用工具/Chrome 插件：它们往往绑定到特定界面，无法打通终端与 IDE 中的 coding agent。
i-have-adhd 的独特价值在于它是一种 可移植、零摩擦的 agent 技能。它不改变你的工具链，不要求你安装新软件，只是把经过社区验证的“专注力优化提示词”标准化了。你甚至可以在 Claude Code 自己定制的 CLAUDE.md 里引用它，或者在 .cursorrules 里 include 进去。这种纯粹基于文本的解决方案，反而拥有了最强的普适性——今天用在 Claude 上，明天换到开源模型 DeepSeek 同样生效。
⚡ 实测：从信息瀑布到精准投喂
想象一个真实场景：你想知道如何用 ffmpeg 抽取视频的第 10 到 30 秒。
Before（未使用该技能）
当然可以！以下是使用 ffmpeg 提取视频指定时间段的命令。首先你需要确保已经安装了 ffmpeg。你可以通过brew install ffmpeg（macOS）或apt-get install ffmpeg（Linux）来安装。命令如下……此处省略四行解释，最后还附带一句“如果你需要调整时长，请把 -t 参数换成其他值”。
After（注入 ADHD-friendly 技能）
ffmpeg -i input.mp4 -ss 00:00:10 -t 20 -c copy output.mp4一句话没有，答案直接砸在脸上。对于需要频繁切任务的开发者来说，这种体验差距就是“继续专注”和“开始刷手机”的分界线。
⚠️ 适用边界与注意事项
尽管效果惊艳，但也不要期待它解决所有问题。这个技能的极致简洁在以下场景会显得不足：
- 需要安全审计的操作：比如删除数据库、修改权限，缺少解释可能引发事故，此时建议用 gentle 版本或临时关闭技能。
- 探索性调试：当你自己也不清楚问题在哪儿时，agent 的推理链条本身有提示价值，直接掐掉可能让你错过关键线索。
- 非代码类问答：询问概念、架构比较时，过分的 bullet-list 可能丢失 nuance，可以考虑结合使用普通模式和 ADHD 模式（比如要求 agent 先给短总结再展开）。
明智的做法是把它当作一只手刹，而不是永远锁死的输出模式。你可以在 agent 配置里设定触发条件，例如只在 /quick 命令后启用该技能，其他时候保持默认。
🎯 与其粉饰输出，不如尊重注意力
i-have-adhd 极简到只有几个 markdown 文件，却触碰了一个根本问题：AI 辅助效率的瓶颈已经不是生成能力，而是信息消费带宽。它提醒我们，最好的工具不是全能，而是懂得沉默。
如果你已经厌倦了在 AI 的回答里“挖掘”答案，如果你经常对着一片文字感到能量枯竭，那这个不到 50 行代码的项目或许就是你的数字氧气瓶。把它放进你的 coding agent 技能库，然后享受那种久违的“答案即所得”的清爽感吧。
