大数跨境

这个 3.4 万 Star 的插件,只干一件事,让 AI 别再把答案埋进废话里

这个 3.4 万 Star 的插件,只干一件事,让 AI 别再把答案埋进废话里 Levix 空间站
2026-09-10
0
导读:这个 3.4 万 Star 的插件,只干一件事,让 AI 别再把答案埋进废话里不少编程助手都有一种很稳定的毛病

这个 3.4 万 Star 的插件,只干一件事,让 AI 别再把答案埋进废话里

不少编程助手都有一种很稳定的毛病。明明改一行代码就能解决,它偏要先夸你问得好,再分析背景,再列出几个可选方向,最后客气地问一句,要不要继续帮你处理。

等它终于说到该改哪个文件,人已经往下滚了两屏。

GitHub 项目 i-have-adhd 就是冲着这件事来的。它在 2026 年 5 月创建,截至 2026 年 9 月 10 日已经拿到 34587 个 Star 和 2026 个 Fork。仓库没有训练新模型,也没有发明复杂的智能体框架。核心文件是一份写给 AI 的输出规则,要求编程助手把能执行的动作放到最前面。

项目名叫 i-have-adhd,使用者无需确诊 ADHD。作者关心的是一类很具体的阅读困难。工作记忆装不下太多前文,开始行动比理解道理更难,模糊的时间估计几乎没有用,完成进度如果藏在长段落里,人也很难感觉到事情正在往前走。

这些问题放在 AI 编程里格外明显。开发者问测试为什么失败,通常在等报错位置、已知原因、最小修复和验证命令。大模型经常先交一篇分析报告。内容未必错,信息顺序已经把人劝退了。

这份 Skill 给 AI 定了十条规则。答案或下一步动作必须先出现。超过一步就编号。每一步只放一个边界清楚的动作。回复结束时,只留下一个两分钟内能开始的下一步。无关问题先压住,当前问题解决后再提。跨多轮工作时,AI 还要重述进度,明确现在做到第几步。时间估计必须落到分钟或小时,错误也要平静地写清位置、原因和修复方式。列表最多五项,开场客套、末尾复述和“希望对你有帮助”全部删掉。

README 放了一组很典型的对比。普通助手会围绕认证流程讲一圈,建议升级 jsonwebtoken,随后提醒用户检查全部依赖。启用这份规则后,第一句直接要求运行安装命令并编辑 src/auth.ts,接着列出替换函数、执行测试和提交第一行报错三个动作。

变化不只在字数。原来的回答把识别问题、选择方案和决定下一步都留给用户。改写后的回答已经替用户排好了动作顺序。人看到第一行就能开工,后面的内容只负责让这件事做完。

仓库对不同工具也做了相当完整的适配。Claude Code、Codex、Gemini CLI、GitHub Copilot、Kimi、Pi、Qwen Code、Zed、Cursor 和 OpenCode 都有对应安装方式。Claude Code 可以通过会话启动 Hook 自动加载规则。Pi 与 OpenCode 还有扩展代码,用来保存开关状态,并在上下文压缩后重新注入规则。Codex 默认不会偷偷启用,用户要明确输入 $i-have-adhd。这点很合理,因为它改变的是整段会话的表达方式,强行常驻可能妨碍长篇解释、架构讨论和开放式探索。

项目也知道“越短越好”会出问题。用户明确要求讲透一个概念时,规则允许充分展开。涉及删除文件、强制推送和数据库迁移时,安全确认仍然优先。连续三次修复失败后,助手应当停下来指出可能错误的假设。请求本身含糊时,它只问一个短问题,不靠猜测继续往下写。

仓库里还放了一套评测,这比单靠几张前后对比图可信一些。作者用 14 类任务各跑 3 次,每个条件得到 42 条回答,再让同一模型盲评。加入 Skill 后,综合分从 4.045 升到 4.473,行动性提高 0.714 分,简洁性提高 1.143 分。候选版本在 14 个案例里赢了 10 个,平了 2 个,输了 2 个,阻断性问题从 7 个降到 3 个。

这组结果还不能当成定论。样本只有 14 类任务,每类只有 3 次,生成和评分使用同一个 Claude 模型,正式发布门槛也没有通过。仓库自己把这些缺口写得很清楚。

其中一个失败尤其重要。规则要求错误报告写明原因和修复办法,这会推着模型在证据不足时给出一个确定原因。在 partial-success 案例中,集成测试只显示返回 401,模型却直接断定缺少认证请求头。候选版本在这一项比基线低 0.63 分。简洁一旦删掉必要的“不确定”,干脆就会变成武断。

ADHD 也没有一种统一的阅读方式。有人喜欢极短指令,有人需要先理解原理才愿意动手。强制编号、限制列表数量、每轮重复进度,在紧急排错时很有用,放到设计讨论里可能显得生硬。好在这份 Skill 留了例外,也允许用户 Fork 后改自己的规则。它更适合作为可调的输出模式,长期固定成所有对话的唯一写法反而会损失信息。

这个项目的技术实现很轻,却拿到了三万多个 Star。它把一个被大模型行业长期忽略的问题写得足够具体。AI 已经会生成答案,用户仍会卡在找到第一步、记住当前进度和判断下一步该做什么。回答质量有一部分取决于模型知道多少,另一部分取决于答案能不能让人马上开始。

i-have-adhd 目前还谈不上经过充分验证。它已经提供了一份很实用的提醒。少写一句客套,早点给出文件路径和命令,可能比再加五百字解释更有用。

参考资料

  • • https://github.com/ayghri/i-have-adhd

【声明】内容源于网络
0
0
Levix 空间站
1234
内容 58
粉丝 0
Levix 空间站 1234
总阅读0
粉丝0
内容58