ayghri/i-have-adhd

TL;DR

i-have-adhd 是一个为 Claude Code 和 Codex 等编码 Agent 设计的 Skill/Plugin，通过强制结构化、去废话的输出风格，解决 LLM 在代码辅助场景中常见的“答案被埋没”问题。它值得关注的核心在于将认知行为疗法中的 ADHD 管理原则转化为 LLM 的 System Prompt 约束，显著提升了技术回复的信噪比和执行效率。

它解决什么问题

在代码生成和调试场景中，LLM 倾向于生成冗长的铺垫（如 "Great question!"）、模糊的时间估计和缺乏优先级的建议。这种“礼貌性冗余”对于需要快速定位问题、执行具体操作的开发者来说，增加了认知负荷。该项目针对的是“行动导向”缺失的问题：开发者需要的是直接的可执行命令和明确的下一步，而不是对问题的泛泛而谈。随着 Coding Agent 从“聊天机器人”向“自主执行者”转变，输出格式的确定性和紧凑性变得至关重要。

核心做法

该项目本质上是一套精心设计的 Prompt 规则集（SKILL.md），包含 10 条具体约束： 1. 结构强制：要求以“下一步行动”开头，多步任务必须编号，列表项上限为 5 个。 2. 去冗余：禁止前言（Preamble）、总结（Recap）和客套结尾（Closers）。 3. 状态重置：每轮对话必须重述当前状态，防止上下文漂移。 4. 精确性：要求具体的时间估计（分钟级），错误描述需客观冷静。 5. 可见性：明确标记“胜利点”（完成的工作），抑制无关的旁支讨论。这些规则通过 Skill 机制注入到 Agent 的上下文中，改变了 LLM 的生成偏好，使其从“对话模式”切换到“执行清单模式”。

作者

项目由 ayghri 维护。README 未提供作者的详细背景信息，但项目致谢部分提到其灵感来源于 J. Russell Ramsay 和 Anthony L. Rostain 的《The Adult ADHD Tool Kit》。这表明作者并非单纯的技术极客，而是有意将心理学/认知科学中的 ADHD 管理策略（如外部化执行功能、减少决策疲劳）适配到 LLM 的交互设计中。这种跨学科的迁移是该项目的独特卖点。

社区反应

截至数据抓取时，项目已获得 6,854 Stars 和 283 Forks，显示出极高的社区关注度。Open Issues 为 13 个，考虑到项目较新且功能单一，这是一个健康的维护状态。高 Star 数反映了开发者群体对“去废话”编码助手的强烈需求。由于这是一个轻量级 Skill，社区讨论主要集中在如何微调规则以适应不同模型，而非核心架构争议。语言生态上，它主要服务于 Claude Code 和 Codex 插件体系，具有较好的扩展性。

怎么上手

项目支持多种编码 Agent，安装方式如下：

Claude Code:

claude plugin marketplace add ayghri/i-have-adhd
claude plugin install i-have-adhd@i-have-adhd
# 在对话中输入 /i-have-adhd 激活

Codex:

codex plugin marketplace add ayghri/i-have-adhd --ref main
codex plugin add i-have-adhd@i-have-adhd
# 输入 $i-have-adhd 激活，或依赖隐式触发

其他 Agent（如 Cursor、Windsurf 等）的安装指南位于 INSTALL.md。无需本地克隆，Agent 会自动从仓库拉取并更新 Skill 文件。用户可通过 Fork 仓库并修改 SKILL.md 来自定义规则，然后指向自己的 Fork 进行安装。

争议与局限

推断： 1. 模型依赖性：该 Skill 的效果高度依赖底层模型的指令遵循能力。对于指令遵循较弱的模型，复杂的 10 条规则可能导致输出截断或格式混乱。 2. 灵活性牺牲：强制“无铺垫”可能不适用于需要大量背景解释的架构设计或教育场景。对于复杂问题的探索性讨论，过于刚性的结构可能抑制创造性思维。 3. 上下文窗口：每轮重述状态（Rule 5）会增加 Token 消耗，在长对话中可能加速上下文窗口耗尽。 4. 通用性：目前主要针对代码任务优化，对于非技术类问答或创意写作，这种风格可能显得过于机械和冷漠。