adhd-agent：用并行分歧思考对抗编码智能体的过早收敛
ADHD — a skill for coding agents. Tree-of-thought with pruning, built on the Claude & Codex Agent SDK. Fans out parallel divergent thoughts under different cognitive frames, scores, prunes traps, deepens the survivors. The no-brainer skill for creative and interdisciplinary work.
秒懂
- 它是什么？
- adhd-agent 是一个面向编码智能体的技能包，用树状思维加剪枝的方式，在多个隔离上下文中并行发散想法，再让批评者打分、聚类、剔除陷阱。它针对的是链式思考的固有缺陷，而非单纯提示词工程。
- 适合谁用？
- 设计决策、模糊调试、命名、API 表面设计这类开放式任务适合 adhd-agent，它能在多个隔离上下文中并行发散，再用批评者评分剪枝，产出基线单次提示看不到的方案。它不适合需要严格遵循既有约束或单一正确答案的任务，并行调用多个模型会带来更高延迟与成本，且没有共享上下文意味着分支间无法互相借鉴。
- 能商用吗？
- 可以。MIT 是宽松许可证：你可以使用、修改并销售基于它的软件，只需保留版权和许可证声明。
- 还在维护吗？
- 在维护。仓库最近一次提交在 3 天前。
- 用什么语言写的？
- 主要是 TypeScript（依据 GitHub 的语言统计）。
以上回答依据项目的 GitHub 数据（最近同步于 2026年9月15日）和我们的分析，不构成法律意见。
开源项目深度解析
一个针对架构问题的技能包，而不是提示词技巧
adhd-agent 的定位很明确：它认为链式思考的根本缺陷是过早收敛，模型一旦写下第一句话，后续推理就被锚定在这个方向上。树状思考虽然拓宽了搜索空间，但所有分支仍共享同一个上下文窗口，锚定效应依然存在。这个项目把问题归因于架构而非提示词，它生成 N 个完全隔离的推理进程，每个进程在刻意扭曲的认知框架下工作，分歧阶段零共享上下文，之后由一个独立的批评者进程来打分、聚类、剔除陷阱、深化幸存者。这个设计直接回应了 autoregressive 模型在生成时依赖已输出 token 的特性，隔离上下文是切断这种依赖的手段。
从链式到树状再到并行分歧的机制演进
项目把推理策略分成三层。传统链式思考是线性推进，先说什么就顺着什么走。树状思考会分叉出多个分支，但分支间共享单一上下文，锚定仍在。adhd-agent 的做法是让每个分支完全独立运行，没有共享上下文，这样每个分支只能依赖自己那套被扭曲的认知框架来生成想法。分歧阶段结束后，批评者进程介入，它不参与生成，只负责对结果做质量判断。README 中的示例展示了具体效果：同一个关于 CLI 超时重试策略的问题，基线模型给出的是教科书式混合方案，而 adhd-agent 在 6 个隔离框架下产生了 30 多个想法，标记了 20 个陷阱，最终选出了一个基线从未考虑过的方案，即慢模型可能本身就是错误的模型选择，应该即时中止并切换到更便宜更快的模型。
安装与调用：一条命令，自动检测智能体
安装过程被压缩成一条命令：npx skills add UditAkhourii/adhd。这条命令会自动检测当前环境是 Claude Code、Cursor、Antigravity、Codex、Cline、Gemini CLI、Windsurf 还是其他约 50 种智能体之一。安装后通过斜杠命令显式调用，README 中给出的调用形式是 /ad。项目以 npm 包 adhd-agent 发布，要求 Node.js 版本大于等于 18。它构建在 Claude Agent SDK 与 Codex Agent SDK 之上，这意味着你的智能体环境需要能对接这两个 SDK 之一才能正常工作。TypeScript 是主要实现语言，MIT 许可证。
评估方法与一个具体示例的对比细节
项目在 bench/results.json 中存放了完整转录，文档 documentation/evals.md 描述了评估方法。示例问题是设计一个 LLM CLI 的超时、重试与用户体验策略。基线单次提示给出了四个教科书模式：带阶段 UI 的渐进超时、快速失败加指数退避重试、并行请求、带 keepalive 的流式传输，最终推荐 15 秒首 token 超时、30 秒 token 间隔超时、90 秒绝对超时加一次自动重试。adhd-agent 则在不同认知框架下生成想法，包括经济激励、异步控制面、游戏化、感知扭曲、集体智能、冗余竞赛等聚类。最终的亮点方案是让按钮随等待时间变得更热，用户点击一次就取消请求并重新提交到更便宜的模型。评估还提到一个独立 LLM 裁判给出了广度 9 对 6、新颖性 8 对 3、陷阱检测约 8 对约 2 的评分。这些数字来自项目自身的评估，读者应当把它当作项目方的自我报告，而非第三方验证结果。
已知边界：这不是一个通用推理加速器
adhd-agent 的适用面被明确限定在创意性和跨学科工作，设计决策、模糊调试、命名、API 表面设计，以及任何形如给我几种办法来……的提示。它不适合需要精确单一答案的任务，也不适合推理链条必须严格遵循既有约束的场景。并行生成多个隔离想法意味着每次调用要消耗多个模型的推理资源，延迟和成本都会高于单次提示。零共享上下文的设计保证了分歧的独立性，但也意味着一个分支产生的洞见无法在生成阶段传递给另一个分支，所有交叉 fertilize 都只能发生在批评者打分之后。此外，项目依赖官方 Agent SDK，如果你的智能体环境没有完整实现这些 SDK 的接口，技能的运行效果会打折扣。
替代方案与真实差异
与 adhd-agent 直接对比的是普通树状思考实现。两者都会生成多个推理分支，但树状思考的所有分支共享一个上下文窗口，分支之间能看到彼此的中间推理。adhd-agent 刻意切断这种共享，每个分支在独立上下文中运行，这就改变了信息流动的方式。另一个角度是与更复杂的多智能体协作框架对比，这类框架通常让多个智能体扮演不同角色并互相通信，adhd-agent 的做法更轻量，它不定义角色间的对话协议，只规定分歧阶段隔离、批评阶段集中的两段式流程。项目本身提到有 17 个以上项目在集成它，包括 repowire、mstack、zk-flow-oss、han 等，其中 repowire 是第一个正式采用者，把 adhd-agent 移植到了自己的网格编排器原语上。
维护状态与采用风险
项目最新发布是 v0.1.4，时间为 2026 年 5 月 30 日，发布说明提到社区开放、Codex 兼容性以及第一个开源采用者。仓库最近一次推送是 2026 年 8 月 29 日，说明仍在活跃维护。MIT 许可证意味着你可以自由使用、修改和分发，但项目本身不提供任何担保。采用前需要确认几个事实：你的智能体是否在官方 Agent SDK 支持列表内，你的 Node.js 环境是否满足版本要求，以及你愿意为每次调用付出多少额外的模型推理成本。项目提供了 ADOPTERS.md 来记录集成案例，这可以作为一个参考来源，但集成案例的存在不等于项目在你的特定工作流中一定有效。
编辑结论
设计决策、模糊调试、命名、API 表面设计这类开放式任务适合 adhd-agent，它能在多个隔离上下文中并行发散，再用批评者评分剪枝，产出基线单次提示看不到的方案。它不适合需要严格遵循既有约束或单一正确答案的任务，并行调用多个模型会带来更高延迟与成本，且没有共享上下文意味着分支间无法互相借鉴。采用前先确认你的智能体支持官方 Agent SDK，并在你的真实工作负载上跑一次带陷阱标注的对比评估，验证它给出的非显然方案是否真的比教科书答案更优，而不只是看起来更有创意。
社区笔记