adhd: 一種防止 AI 代理人錨定偏見的平行發散式構想框架

它解決了什麼

ADHD 解決了自回歸推理中的「過早收斂」和錨定偏見。在標準的 Chain-of-Thought 或 Tree-of-Thought 中，代理人常常會卡在他們的第一個想法上，無法探索廣泛的非顯而易見的解決方案，或識別他們推理過程中的潛在陷阱。

它是如何運作的

1. 發散：系統會生成 N 個平行、隔離的 LLM 呼叫。每個呼叫會獲得一個特定的「認知框架」（一個視角提示詞），並被禁止評估結果。由於這些過程沒有共享的上下文，它們無法相互錨定對方的想法。
2. 聚焦：單獨的評論者 LLM 呼叫根據新穎性、可行性和適合度對想法進行評分。然後它會將想法分組，修剪「陷阱」（誘人但有缺陷的想法），並將前 K 個存活者深化為詳細的草圖。

它適合誰

它專為需要為複雜任務（如設計決策、API 介面設計、模糊除錯、命名和戰略規劃）進行高品質構想的開發者和 AI 代理人建構者而設計。

亮點

• 架構修復：透過使用隔離的平行過程，將錨定視為結構問題而非提示問題。
• 陷阱偵測：具體識別並解釋為什麼某些常見但有缺陷的想法應該被避免。
• 與代理人無關：可以作為各種代理人（Claude Code、Cursor、Windsurf 等）的技能安裝，或作為 TypeScript 庫/CLI 使用。
• 經證實的效能：基準測試顯示，相較於單次基準，新穎性和陷阱偵測有顯著提升。