
问 AI 一个问题,它先来一段"Great question! Let me think about this...",然后绕一大圈分析,最后才给出答案。等你终于看到答案了,还跟了一句"Hope this helps! Let me know if you want to dig deeper."
每次看到这种回答,我都在想:能不能把前面那堆废话砍掉?
现在有人把这个想法做成了一个开源项目,而且火了。
Github:
这是什么项目?

i-have-adhd 不是框架,不是新工具,也不是库。它是一个"技能",专为 AI 编程助手设计的输出风格插件。安装后,你的 AI 助手会完全改变说话方式:
之前:
"问得好!让我想一想。你的身份验证流程包含几个环节:中间件、令牌验证和 Cookie 处理。查看 src/auth.ts 后,verifyToken 函数(大约第 42–58 行)似乎使用了旧版 jsonwebtoken API。一种做法是升级这个包并重写该函数。完成修改后,……"
之后:
- 运行 npm install jsonwebtoken@latest,然后编辑 src/auth.ts:42。
- 打开 src/auth.ts
- 将 verifyToken(第 42–58 行)替换为下面的代码片段
- 运行 npm test -- auth.spec.ts
- 下一步:如果有测试失败,请粘贴第一行报错。
核心思想就一句话:先说答案,再说别的。如果没什么可说的,闭嘴。
项目 2026 年 5 月 13 日上线,到 7 月底已经 8.8k Stars。两个月接近一万颗星,在开源世界里这个增速相当夸张。
不只是"少说话",背后有认知科学
很多人看到这个项目的第一反应是:"哦,把 AI 调成简洁模式呗。"如果只是这样,它不至于火到这个程度。
真正有趣的是这个项目背后的思考深度。它的 SKILL.md 文件开头列出了五条关于 ADHD 读者的事实:
- 工作记忆容量小。不在屏幕上的东西等于不存在。
- 知道答案不等于能做到。从"懂了"到"做了"之间有一条巨大的鸿沟。
- 启动是最难的一步。第一步必须显而易见、小到能做、现在就能做。
- 时间感知模糊。"一小会"和"几个小时"在 ADHD 大脑里是同义词。
- 多巴胺稀缺。必须让进展可见,埋在文字里的成就不算成就。
这五条事实驱动了后面的所有规则。也就是说,这个项目的设计逻辑是:先说"人类的大脑是怎么运作的"→ 再推导"AI 应该怎么说话"。这种从认知科学出发的设计思路,在 AI 工具链项目里很少见。
十条规则,三个核心原则
项目定义了十条规则。完整版有详细的解释和正反例,但核心可以归纳为三个原则:
原则一:行动优先
第一条规则是"先说下一步行动"。不是上下文、不是计划、不是分析——是行动。
在 AI 编程助手的场景里,用户的核心诉求通常是"我的代码坏了,帮我修好",而不是"请给我一个全面的分析"。这条规则的本质是在说:回答的默认格式应该是处方,不是诊断报告。
有意思的是,规则也不是死板的。项目专门列了"什么时候打破规则"的情况:
- 用户明确要求"解释一下"或"带我走一遍"——这时可以用完整的长篇解释,但依然不能有开场白和结束语
- 即将执行破坏性操作(rm -rf、force push、删表)——必须停下来确认,安全比简洁优先
- 连续三次修复失败——停下来,说出那个可能错误的假设
这些例外让规则有了温度。它不是机械地砍内容,而是知道什么时候该闭嘴、什么时候该解释。
原则二:结构清晰
多步骤任务必须编号,每步只做一个动作,不接受"然后"嵌套。
每轮对话结束时给出一个具体可行的下一步。
列表不超过五项——超过五项就拆成"现在做的"和"以后做的"或者"必须的"和"锦上添花的"。
这些规则的共同目标是把信息处理的门槛降到最低。读者不需要在脑子里自己整理结构,结构已经在页面上了。
原则三:减少认知负荷
不说"顺便一提"——如果发现另一个问题,先处理完当前的问题,再单独问。
每轮都重述状态——"第 3 步/共 5 步已完成,接下来需要..."
在 pre-send 检查阶段,要求删除以下内容:
- 第一句如果是在宣告"我要干什么"
- 最后一句如果是在问"还有别的吗"或回顾刚才做了什么
- 任何"顺便一提"的旁白
- 任何不增加信息的修饰词("或许""可能""大概"——保留真正有不确定性的词)
- 任何空洞的套话("跟进一下""回到正轨")
最后还要验证:如果用户只读第一行和最后一行,他们知道(a)下一步该做什么和(b)刚才发生了什么吗?
这是一个非常严格的自我检查机制。
为什么它火得这么快?
两个月 8.8k Stars,我猜有几个原因:
用过 AI 编程助手的人,几乎都被啰嗦的回答折磨过。这个项目刚好戳中这个痛点。
项目的核心思想很简单:AI 应该先说答案。一句话就能说清楚,任何人都能立刻理解并判断自己要不要用。
兼容性方面也做得扎实。项目同时覆盖了 Claude Code、Codex、Cursor、Zed、Gemini CLI、Hermes、Pi、Antigravity。市面上主流的 AI 编程工具基本都照顾到了,每个工具在 INSTALL.md 里都有单独的安装说明。
MIT 协议,鼓励 Fork 自定义,这也在开源社区里拉了一波好感。
一个更深的维度
这个项目能火,不单是因为它"砍掉了废话"。它揭示了一个更重要的问题:AI 输出应该是什么形态?
目前主流的 AI 编程助手,输出风格本质上模仿了"好同事":礼貌、全面、耐心。但当你一天和 AI 对话几十次,这种礼貌就变成了噪音。每一次"Great question!"和"Hope this helps!"都在消耗你的注意力带宽。
i-have-adhd 选择了另一条路:把 AI 当作一个工具,而不是一个同事。工具不需要礼貌,工具需要精确。
这种哲学差异会在未来影响更多 AI 产品的设计。事实上,Cursor、Codex 等工具已经开始原生支持这种"技能"机制,说明行业也在往这个方向走。
它适合谁,不适合谁?
适合:
- 每天大量使用 AI 编程助手的开发者,不想浪费时间读废话
- ADHD 患者或注意力容易被干扰的人
- 追求效率、喜欢直接答案的开发者
- 需要管理多个 AI 工具输出风格的人
不适合:
- 偶尔用 AI、喜欢详细解释和引导式回答的用户
- 初学者,需要 AI 完整解释概念而非直接给命令
一些值得注意的地方
项目本身是"技能"不是"插件"——这意味着它不改变 AI 的能力,只改变 AI 的说话方式。如果你用的 AI 能力本身不行,换输出格式解决不了根本问题。
规则中的第 10 条"禁止开场白和结束语"在某些场景下可能显得生硬。比如用户问了一个开放性问题,直接给答案可能会让人感觉突兀。项目通过在"打破规则"的例外中留了口子,但这个平衡在实践中需要用户自己去感受。
项目是基于 ADHD 读者的需求设计的,但大多数规则对非 ADHD 读者同样有效。不过,有些规则(比如每轮重述状态)对于非 ADHD 用户来说可能显得多余。
Github:
总结
i-have-adhd 的走红不是偶然。它命中了一个真实而广泛的痛点,用基于认知科学的方法给出了一个解决方案。更重要的,它开启了一个值得认真讨论的问题:AI 到底应该怎么和我们说话?
还在问"希望这能帮到你"的 AI,和直接告诉你"第 3 行少了个分号"的 AI,你要哪个?
关注
如果你对 AI 工具使用、人机交互设计、开源项目分析感兴趣,欢迎关注我们,每周带来深度开箱分析。