UditAkhourii/adhd

解决的问题

ADHD 解决了自回归推理中的「过早收敛」问题，即 AI 代理倾向于锚定在第一个想法上，无法探索广泛且非显而易见的创造性解决方案。它通过强制模型在最终得出答案前探索多个独立视角，防止了单次或线性思维链中常见的狭隘「教科书式」答案。

工作原理

系统采用两阶段机械循环，严格分离生成与评估过程：

1. 发散：项目启动 N 个并行且隔离的推理过程。每个过程接收问题和特定的「认知框架」（视角提示），但禁止评估结果。由于这些分支之间无上下文共享，无法相互锚定。
2. 聚焦：一个独立的评议员对每个生成的想法进行评分，评估其新颖性、可行性与契合度。随后标记「陷阱」（看似合理但存在缺陷）的想法，按角度对想法聚类，并对前 K 名幸存者进行深度细化为详细草图。

适用人群

专为需要在复杂任务（如设计决策、API 表面设计、模糊调试、命名、战略规划）中进行高质量构思的开发者和 AI 代理用户设计。

核心亮点

• 隔离推理：通过确保发散分支之间无共享上下文，防止锚定效应。
• 陷阱检测：能专门识别并解释为何某些诱人但有缺陷的想法应被避免。
• 代理无关：可作为技能安装到多种代理中，包括 Claude Code、Cursor 和 Windsurf。
• 已验证的创新性：在工程基准测试中，相比单次基线，展现出显著更高的新颖性和广度得分。