ADHD 并行发散思维

解决什么问题

在大模型驱动的编码 Agent 工作流中，遇到开放式设计决策（例如「设计一个能在 Leader 选举中存活的限流器」）时，模型往往会快速收敛到第一个看起来合理的方案。这种过早锁定会牺牲架构探索的广度：我们很难判断这个方案是真的鲁棒，还是仅仅因为最先出现在上下文里。

手动干预也不现实。你不可能为每一种可能的架构权衡单独写 Prompt，再逐一评估。

这个技能做了什么

ADHD 并行发散思维 通过模拟注意力缺陷多动障碍（ADHD）的发散式注意力特征，将单条推理链路拆分为多个独立的「思维帧」（frames），并在每一帧下并行生成多个想法（ideas）。

• 扇出阶段：模型不再沿着一条主干道走到底，而是同时启动 --frames 3 个不同视角的推理分支。
• 打分与剪枝：生成结束后，技能对各分支的想法进行打分，并只保留 --top 2 个得分最高的方案进入深化阶段。
• 深化阶段：将保留下来的方案送入后续的编码流程，例如作为 Claude Code 或 Cursor 的设计文档输入。

例如，当输入 adhd "name this function" --frames 3 --ideas 8 --top 2 时，它会先从 3 个不同的思维角度分别发散出 8 个候选名称，再筛选出 2 个最优解。

适用边界

• 不适用于明确指令：如果你的需求已经完全确定（例如「给这个函数加一个 try-catch」），没必要发散。
• 需要合理的评判标准：打分和剪枝依赖上下文中隐含的工程约束，如果任务本身缺乏约束，分支之间的差异可能只是语义上的随机噪声。
• 计算开销：并行发散会显著增加 token 消耗，尤其是在 --frames 和 --ideas 都设得较高时。