UditAkhourii/adhd
GitHub: UditAkhourii/adhd
为编程 Agent 提供并行发散式思维树技能，通过隔离的多认知框架推理打破线性思维链的锚定局限。
Stars: 2470 | Forks: 201
# ADHD — agent 的技能
[](https://github.com/UditAkhourii/adhd/actions/workflows/ci.yml)
[](https://www.npmjs.com/package/adhd-agent)
[](./LICENSE)
[](./documentation/install.md)
[](https://adhdstack.github.io/)
[](https://thenewstack.io/claude-code-adhd/)
[](https://discord.gg/NbWwkwwGw)
线性的 Chain-of-Thought 会锚定在它最开始说的话上。Tree-of-Thought 扩大了搜索范围，但仍然是在同一个共享的上下文中行进，因此这种锚定效应在不同分支间依然存在。**ADHD 将其视为一个架构问题，而不是提示词问题**——它会在刻意扭曲的认知框架下生成 N 个相互隔离的推理过程，在分歧阶段保持零共享上下文，然后再运行一个独立的评估阶段来进行打分、聚类、修剪陷阱，并深化那些留存下来的方案。
在处理**设计决策、模糊调试、命名、API 表面设计、战略规划，以及任何类似“给我几种方法来……”的提示词**时，非常适合使用它。
📄 **预印本：** [ADHD：面向编程 Agent 的并行发散式构思](https://adhdstack.github.io/) · 👤 **作者：** Udit Akhouri — [@akhouriudit](https://x.com/akhouriudit) · [LinkedIn](https://www.linkedin.com/in/udit-akhouri-10160a168/)
## 并排对比：baseline 与 ADHD
同一个评估问题，同一个模型，两种策略。完整记录见 [`bench/results.json`](./bench/results.json)。
| 🟦 Baseline (单次生成) |
🟧 ADHD |
|
梳理了四种**教科书式**的模式：
1. 带有分阶段 UI 的渐进式超时 (10s / 30s / 60s)
2. 快速失败 + 指数退避重试
3. 对冲并行请求
4. 流式传输与保活机制
最终给出了一个**混合型**建议——首个 token 15秒超时，token 间隔 30秒超时，绝对超时 90秒，自动重试一次。很合理。符合 Google SRE 手册第 22 章的观点。这是一个高级工程师在 30 秒内就能给出的答案。
**缺失了什么：** 没有指出任何陷阱，没有意识到*用户*可能想要主动放弃一个缓慢的请求，也没有对“等待然后重试同一个模型”这一框架提出质疑。
|
生成了 6 个独立的框架，在 `economic-incentive`、`async-control-surface`、`gamification`、`perceptual-distortion`、`collective-intelligence`、`redundancy-race` 等集群中浮现出了包含 30 多个创意的**庞大集合**，然后：
- ★ **非显而易见的选择：** *“rage-quit = 立即中止 + 转向更便宜/更快的模型”*——一个随着你等待时间越长跳动感越强烈的按钮。点击一下即可取消，并重新提交给 Haiku 级别的模型。baseline 从未考虑过的事情：**对于这个提示词，慢速模型可能只是用错了模型。**
- 加上候选名单：在 30秒时分叉探测备用 endpoint；使用工单 ID 将 CLI 守护进程化；让 3 个 LLM 副本赛跑，缓存赢家的结果。
- **标记了 20 个陷阱并附有一行原因**——包括“反向流式传输 token”和“耐心 token 计费”这些看似巧妙的想法，以防它们浪费工程时间。
|
针对该问题的独立 LLM 评审结果：**广度 9 vs 6，新颖度 8 vs 3，陷阱检测 ~8 vs ~2。** 方法论详见 [documentation/evals.md](./documentation/evals.md)。
## 特稿
- 🔌 **被 [repowire](https://github.com/prassanna-ravishankar/repowire) 采用**——第一个正式集成 ADHD 的 OSS 项目。其维护者在 [PR #313](https://github.com/prassanna-ravishankar/repowire/pull/313)（已合并）中将该框架移植到了 repowire 的 mesh-orchestrator 原语上：框架变成了帧位移的临时对等节点，generator/critic 的分离映射到了独立对等节点与 orchestrator 自身轮次的对比，通过 `metadata.based-on` 进行归属说明 (MIT)。
- 📰 **[The New Stack](https://thenewstack.io/claude-code-adhd/)** 发表了一篇关于 ADHD 在 Claude Code 中应用的专题报道。
- 💬 **OpenClaw / 多 agent 社区**正在跨 agent 进行独立测试。一位测试者表示：*“我读了一下，把它安装到了两个不同的 agent 上……我真的很喜欢它。这太棒了。我以为这只是又一个没用的帖子。但事实并非如此。”*
- 🔬 一篇独立的**[基于证据的研究综述](https://github.com/testdouble/han/blob/adhd-swarm-research/docs/research/adhd-application-to-han.md)**（11 个来源，8 轮验证）针对该方法发表了——研究结果作为 [issues #16–#18](https://github.com/UditAkhourii/adhd/issues) 公开追踪。
## 早期采用者
正式集成或整合了 ADHD 的项目：
| Project | What they did | Status |
|---|---|---|
| [**repowire**](https://github.com/prassanna-ravishankar/repowire) | 将 ADHD 移植到 repowire 的 mesh-orchestrator 原语上——框架变成了帧位移的临时对等节点，generator/critic 的分离映射到了独立对等节点与 orchestrator 自身轮次的对比。已在默认的 orchestrator 模板中集成。([PR #313](https://github.com/prassanna-ravishankar/repowire/pull/313)) | ✅ 已合并 · MIT 归属 |
| [**mstack**](https://github.com/mayank-io/mstack) | 将 ADHD 作为 `think` 插件引入其 Claude 插件市场——将“先发散后收敛”的循环接入 mstack，用于架构设计、命名、API 设计和模糊调试。 | ✅ 已集成 · MIT 归属 |
| [**zk-flow-oss**](https://github.com/matt-metivier/zk-flow-oss) | 将 ADHD 的 `IDEATION_FRAMES` 改造到其评审工作流中 ([`src/workflows/critique.src.js`](https://github.com/matt-metivier/zk-flow-oss/blob/main/src/workflows/critique.src.js))，作为在审查前减少锚定偏差的预处理步骤。 | ✅ 已集成 · MIT 归属 |
| [**han**](https://github.com/testdouble/han) | 发表了一篇将 ADHD 应用于 Han 插件模型的[基于证据的研究报告](https://github.com/testdouble/han/blob/adhd-swarm-research/docs/research/adhd-application-to-han.md)——11 个来源，8 轮验证。研究结果作为 issues [#16](https://github.com/UditAkhourii/adhd/issues/16)–[#18](https://github.com/UditAkhourii/adhd/issues/18) 发布。 | ✅ 研究整合 |
| [**app-library** (yslee5005)](https://github.com/yslee5005/app-library) | 基于 ADHD 模式构建了一个 `expert-thinker` MoAI agent——具备独立发散性的 Tree-of-thought 以及独立的 critic 过程。 | ✅ 已集成 |
| [**striatum**](https://github.com/halbritt/striatum) | Claude Code 的脚手架安装程序推荐使用 `npx skills add UditAkhourii/adhd` 来进行架构、API 设计和命名工作。 | ✅ 已集成 |
| [**awesome-prompts**](https://github.com/ai-boost/awesome-prompts) | 将 ADHD 循环打包成一个独立的提示词 (`adhd_parallel_ideation_skill.txt`)，供未安装该技能的用户使用。 | ✅ 已集成 |
| [**nix-skills**](https://github.com/sudosubin/nix-skills) | ADHD 技能的 Nix 打包版本（固定在 commit `770834e`），用于基于 Nix 的 agent-skills 生态系统。 | ✅ 已集成 |
| [**caioniehues/adhd**](https://github.com/caioniehues/adhd) | 一个分支，拥有自定义的 `SKILL.md`，将安装和文档指向了他们自己的发行版，同时保留了上游归属。 | ✅ 分支 · 保留归属 |
| [**ktg-one/adhd**](https://github.com/ktg-one/adhd) | 用作个人的“我大脑运作方式的编码模型”的分支——作为一种认知架构模式接入到 [may-2026-kb](https://github.com/ktg-one/may-2026-kb) 知识库中。 | ✅ 分支 · 使用中 |
| [**wtfismyrepo**](https://github.com/nandnijaiswal/wtfismyrepo) | 使用 ADHD 作为代码库入职引导的解释引擎。确定性层（import-graph PageRank、git-churn 脆弱性、GitHub PR/issue 信号）生成一个分析对象，被格式化为 ADHD 的 `problem` + `context`。ADHD 的发散→打分→聚类→深化循环随后会在 12 个特定于代码库的框架（`new-grad`、`archeologist`、`security-researcher`、`on-call-at-3am`、`refactorer`、`inversion` 等）中生成入职视角，根据开发者的水平与目标对它们进行契合度评分，修剪陷阱，并将非显而易见的选择深化为完整的演练。在 Claude Code 技能 (`SKILL.md`) 中集成了 ADHD 方法，无需额外依赖——Claude 会自行运行这些框架。 | ✅ 已集成 · MIT 归属 |
| [**mythify**](https://github.com/hannsxpeter/mythify) | 在评估了 ADHD 的发散框架后再评估的模式后，向其分析提示词包中添加了陷阱条款和替代方案指导——在确定计划之前，浮现出“那个看起来不错但其实不然的东西，以及原因”。([PR #18](https://github.com/hannsxpeter/mythify/pull/18)) | ✅ 已合并 |
| [**godaudits**](https://github.com/hannsxpeter/godaudits) | 发布了 v2.11.0 版本，采纳了 ADHD 评审中的测量与溯源规范——一次独立的反驳过程 (`refute plan`/`apply`)、具备严重性感知的召回指标，以及评估结果上的归属/限制追踪。([PR #13](https://github.com/hannsxpeter/godaudits/pull/13)) | ✅ 已集成 |
| [**godplans**](https://github.com/hannsxpeter/godplans) | 发布了 v1.8.0 版本，将其自我审计转变为一个独立的审计关卡（独立的打分阶段、隔离的上下文），并在其评估工具中添加了一个无技能的 baseline 对照组，这受到了 ADHD generator/critic 分离的启发——同时明确拒绝了新颖度评分轴和随机框架选择，因为它们不符合其自身目标。([PR #8](https://github.com/hannsxpeter/godplans/pull/8)) | ✅ 已集成 |
| [**Claude1.0** (Ro-Sama-33)](https://github.com/Ro-Sama-33/Claude1.0) | 将 ADHD 技能安装到了 `.agents/skills/adhd/` 中。([PR #16](https://github.com/Ro-Sama-33/Claude1.0/pull/16)) | ✅ 已安装 |
要在你的项目中集成 ADHD 吗？提交一个 PR 在此处添加，或者[发起一个 issue](https://github.com/UditAkhourii/adhd/issues/new)，我们会把你添加进来。
## 安装说明
只需一条命令，会自动检测你的 agent（Claude Code, Cursor, Antigravity, Codex, Cline, Gemini CLI, Windsurf 及其他约 50 种工具）：
```
npx skills add UditAkhourii/adhd
```
然后通过 `/adhd "你的问题"` 显式调用，或者让它在检测到构思意图时自动触发。
### Codex 快速路径
如果上面的通用命令未能在 Codex 中成功注册（某些 Codex 版本会从特定路径发现技能），请强制指定目标：
```
npx skills add UditAkhourii/adhd -a codex -g
```
或者手动安装到 Codex 的技能目录中：
```
mkdir -p ~/.codex/skills/adhd
curl -fsSL https://raw.githubusercontent.com/UditAkhourii/adhd/main/skills/adhd/SKILL.md \
-o ~/.codex/skills/adhd/SKILL.md
```
重启 Codex。现在 `/adhd "设计一个限流器"` 应该会通过该技能进行路由。该技能附带了一条单行描述（≤600 字符），特别是因为某些 Codex 版本会截断或拒绝多行的 YAML 块描述。
CLI 和库的安装方式、针对其他 agent 的手动 curl 命令，以及各平台的路径详见 **[documentation/install.md](./documentation/install.md)**。
```
npm install -g adhd-agent # CLI
npm install adhd-agent # library
```
## 快速入门
```
adhd "design a rate limiter that survives a leader election"
adhd "name this function" --frames 3 --ideas 8 --top 2
```
```
import { run, renderText } from "adhd-agent";
const result = await run({ problem: "How should we shard this queue under bursty load?", framesPerRun: 5, topK: 3 });
console.log(renderText(result));
// result.shortlist · result.nonObviousPick · result.traps · result.deepened · result.clusters
```
完整参考：**[documentation/api.md](./documentation/api.md)**。
## 运行原理
一个在两个阶段之间设有硬隔离的循环。
1. **发散。** 选取 N 个认知框架。生成 N 个并行的、**相互隔离**的 Agent 调用——每个调用都会看到问题加上某一个框架的视角提示词，以及一个禁止进行评估的系统提示词。各个分支永远看不到彼此，因此没有锚定效应。
2. **。** 一个独立的 critic 调用会对每一个想法进行打分（`novelty / viability / fit`），附上理由标记出陷阱，按照底层角度进行聚类，并将排名前列的 K 个幸存者深化为包含风险和初步步骤的草案。
generator 和 critic 的分离是**机制性**的——这是两个拥有完全相反系统提示词的独立 LLM 调用——而不是在一个提示词中做出的承诺。深入剖析：**[documentation/how-it-works.md](./documentation/how-it-works.md)**。与 CoT 和 ToT 的区别：**[documentation/vs-cot-and-tot.md](./documentation/vs-cot-and-tot.md)**。
## 结果
在 6 个开放式工程问题上的平均得分（0–10 分），ADHD 与在相同模型下的单次 baseline 进行对比，由带有怀疑论资深工程师提示词的独立 LLM 进行评判，A/B 顺序已随机化。
| Dimension | ADHD | Baseline | Δ | Ratio |
| ------------------ | -------: | -------: | --------: | ----: |
| 广度 | **9.00** | 4.83 | **+4.17** | 1.9× |
| 新颖度 | **7.83** | 2.67 | **+5.17** | 2.9× |
| 陷阱检测 | **9.50** | 1.83 | **+7.67** | 5.2× |
| 可操作性 | **9.50** | 6.50 | **+3.00** | 1.5× |
| 构建者可用性 | **7.67** | 6.83 | **+0.83** | 1.1× |
**ADHD 在 6 个问题中赢得了 5 个。** 差距最大的是陷阱检测——baseline 极少能指出那些看似诱人实则行不通的想法。方法论、局限性以及如何复现：**[documentation/evals.md](./documentation/evals.md)**。
## 文档
| Page | What's in it |
|---|---|
| [快速入门](./documentation/quickstart.md) | 包含实用命令的首次技能、CLI 和 TypeScript 运行指南 |
| [安装说明](./documentation/install.md) | 所有安装路径——技能、CLI、库、Agent SDK、各平台指南 |
| [运行原理](./documentation/how-it-works.md) | 两阶段循环 + 架构（上下文、修剪、编排） |
| [对比 CoT 与 ToT](./documentation/vs-cot-and-tot.md) | 结构对比，三个核心差异，框架 vs 角色设定 |
| [框架](./documentation/frames.md) | 15 种认知框架，选择机制如何运作，如何编写自己的框架 |
| [何时使用](./documentation/when-to-use.md) | 使用 / 不使用的场景，为什么它在创意工作中表现出色，成本与速度 |
| [CLI 与 API](./documentation/api.md) | CLI 参数，库类型，如何在你自己的 agent 中使用 ADHD |
| [评估](./documentation/evals.md) | 方法论，核心数据，局限性，路线图 |
此外：[SKILL.md](./skills/adhd/SKILL.md)（可运行技能） · [SOURCE-SPEC.md](./SOURCE-SPEC.md)（原始规范） · [CONTRIBUTING.md](./CONTRIBUTING.md) · [预印本](https://adhdstack.github.io/)。
## 外部评测
- [**Han 插件兼容性分析**](https://github.com/testdouble/han/blob/adhd-swarm-research/docs/research/adhd-application-to-han.md) 作者 [@mxriverlynn](https://www.reddit.com/user/mxriverlynn)——使用 Han 自己的 `/research` 技能进行的基于证据的评审，11 个来源，8 轮验证。研究结果作为 issues [#16](https://github.com/UditAkhourii/adhd/issues/16)、[#17](https://github.com/UditAkhourii/adhd/issues/17)、[#18](https://github.com/UditAkhourii/adhd/issues/18) 追踪。
- [**与单次生成的精准对决**](https://miyagadget.page/en/blog/2026/06/03/adhd-coding-agent-skill-en/) 作者 Shichinomiya ([@shichinomiya_s](https://miyagadget.page))——独立的盲审基准测试（2 个问题，LLM-as-judge，A/B 位置互换）。ADHD 赢得了这两项测试，在新颖度 (4.5→9.0) 和陷阱检测 (5.0→9.0) 上提升最大，其实际成本约为 ~2.3× 的时间和 ~1.9× 的输出量。
## 许可证
MIT License。
ADHD 将 *Divergent Ideation* 源规范 ([SOURCE-SPEC.md](./SOURCE-SPEC.md)) 进行了具体操作化。可运行的技能位于 [`skills/adhd/SKILL.md`](./skills/adhd/SKILL.md)。
## 联系方式
**Udit Akhouri** — 预印本作者及维护者。
[adhdstack.github.io](https://adhdstack.github.io/) · [@akhouriudit](https://x.com/akhouriudit) · [LinkedIn](https://www.linkedin.com/in/udit-akhouri-10160a168/) · [researchudit@gmail.com](mailto:researchudit@gmail.com) · [@UditAkhourii](https://github.com/UditAkhourii)
欢迎从事推理、规划和 agentic 系统研究的研究实验室和应用 AI 团队合作。
标签：AI智能体, AI编程助手, Claude, CVE检测, GNU通用公共许可证, MITM代理, Node.js, 思维树, 推理优化, 暗色界面, 自动化攻击