18k star 的 i-have-adhd：给编程 AI「闭嘴干活」的技能包，本周 GitHub 爆款

用 Claude Code 修一个 bug，它先来一段"好问题！让我想想"，然后从中间件、token 验证、cookie 处理一路分析到依赖版本，最后以一句"Hope this helps!“收尾。答案其实就一句话：npm install jsonwebtoken@latest，然后改 src/auth.ts:42。

这个场景，每个用 AI 编程的人都不陌生。本周 GitHub 上最出圈的实用小工具，就是专门治这个毛病的：i-have-adhd，一个让编程 AI"闭嘴干活"的技能包。截至 8 月 8 日，它已收获 18,148 个 star、1,059 个 fork，过去一周新增约 3,600 星，是本周 GitHub Trending 上最显眼的项目之一。

背景：AI 编程最大的痛点，不是不够聪明，而是话太多

先把这个项目放在正确的坐标系里。2026 年的 coding agent 已经非常能打：Claude Code、Cursor、Codex、Kimi，各自能完成从改 bug 到搭项目的完整任务。但用过的人都懂一个微妙的反差：这些模型写代码的能力越强，废话就越多。

“Great question! Let me think about this"是标配开场；多步操作从不编号，全挤在一段散文里；修完 bug 还要来一段"顺便你也可以看看依赖版本"的跑题建议；最后必然以一句毫无信息量的客套收尾。对注意力本来就有限的人来说，这体验堪称灾难——你要在 500 字的铺垫里捞出 20 字的关键指令。

i-have-adhd 的解法很直接：把"怎么说话"做成一套硬性规则，装进 coding agent 里强制执行。项目描述只有一句话：“A skill to stop your coding agent from burying the answer”——阻止你的编程代理把答案埋起来。副标题更幽默：“ADHD-friendly outputs. No ADHD diagnosis needed!"（ADHD 友好的输出，不需要 ADHD 诊断书）。

核心：10 条规则，治的是"输出纪律”

i-have-adhd 的核心是一份 SKILL.md，10 条规则，全部是输出纪律：

1. 先说下一步动作（Lead with the next action）——答案的第一句必须是可执行的指令。
2. 多步任务编号（Number multi-step tasks）——步骤用序号，不用散文。
3. 以一个具体的下一步收尾（End with one concrete next step）——对话结束前给出唯一明确的动作。
4. 抑制跑题（Suppress tangents）——“顺便看看"这类延伸建议直接砍掉。
5. 每轮重述状态（Restate state every turn）——让双方时刻清楚进行到哪一步。
6. 给出具体时间估计（Specific time estimates）——“两分钟”，而不是"很快”。
7. 让进展可见（Make wins visible）——完成的每一小步都明确标记。
8. 就事论事地陈述错误（Matter-of-fact errors）——报错不道歉、不找借口。
9. 列表最多 5 项（Cap lists at 5 items）——超过 5 项就分组，防止信息过载。
10. 无铺垫、无复述、无客套收尾（No preamble. No recap. No closers.）——“好问题"“Hope this helps"这类全部禁用。

项目 README 里有一组 Before/After 对比，效果一目了然。同样一个 jsonwebtoken 升级任务：

Before：“你的鉴权流程有几个活动部件……verifyToken 函数（42-58 行）似乎用了旧版 API，一个办法是升级包并重写该函数……顺便也可以看看依赖版本。Hope this helps! Let me know if you want to dig deeper.”

After：“运行 npm install jsonwebtoken@latest，然后编辑 src/auth.ts:42。1. 打开 src/auth.ts 2. 用下面的片段替换 verifyToken（42–58 行）3. 运行 npm test -- auth.spec.ts。下一步：如果测试失败，把第一行报错贴给我。”

信息量完全一样，体验判若两个工具。

深度分析一：为什么"输出纪律"比"更聪明"更解决问题

这 10 条规则看起来朴素，实际上每一处都打在 LLM 输出的系统性弱点上。

先看"工作记忆"问题。人类的注意力有限，模型的上下文同样有限。传统回答把结论埋在推理过程里，等于让用户替模型承担信息检索成本——用户要在输出里再搜一遍答案。第 1 条"先说下一步动作"和第 3 条"以具体下一步收尾”，本质是把模型从"展示思考过程"改为"交付结论”，这是符合工作记忆特性的人机接口设计。

再看"任务切换成本”。AI 编程是高频切换场景：改完 A 文件切到 B 文件，隔一天回来继续。第 5 条"每轮重述状态"解决的就是这个问题——人类程序员接续工作时最大的成本是重建上下文，这条规则让 Agent 替用户维护状态。

最妙的其实是项目背景：这套规则改编自《The Adult ADHD Tool Kit》（J. Russell Ramsay 与 Anthony L. Rostain 合著），一本给 ADHD 成年人的实用工具书。但作者在 README 里点破了一层：这套东西是"为 LLM 应该怎么回应而改编的，不是为人怎么安排一天而改编的”。换句话说，LLM 的输出习惯——话多、跑题、铺垫冗长、客套收尾——恰好就是 ADHD 患者大脑的典型状态：注意力漂移、执行功能弱、工作记忆窄。给模型治 ADHD，和给人治 ADHD，用的居然是同一套药方。这个巧合本身就是对 LLM 输出结构的一种观察。

深度分析二：“技能包"正在成为 AI 编程的新品类

i-have-adhd 的爆火，还有一层行业信号：它属于一个正在快速膨胀的新品类——给 coding agent 装的"技能包”。

这个品类的载体是各家 Agent 的 Skill/Plugin 机制：Claude Code 的插件市场、Cursor 的规则文件、Codex 的 AGENTS.md，本质都是"用结构化指令约束模型行为"。安装方式简单到夸张：claude plugin install i-have-adhd 即可，可随时卸载、可 fork 改规则。

同类的例子近在眼前：本周同样在榜的 reverse-skill（20.5k star），是一个把逆向工程、授权渗透测试做成技能路由的包；更早还有各类 code review、测试生成技能。它们共同说明一件事：当基础模型的能力趋于同质化，“行为约束"变成了新的差异化空间——同一批模型，装不同的技能包，产出质量可以差一个量级。

这也解释了为什么 10 条纯文本规则能拿到 18k star：它不依赖任何特定模型，Claude、Cursor、Codex、Kimi 通吃；它不卖概念，装完立刻能感受到差异；它开源、MIT、可改。工具类开源项目能同时踩中"实用"与"可玩"两个点，爆是必然的。

落地：两件现在就能做的事

1. 今天就给你的 coding agent 装上试试。Claude Code 用户直接 claude plugin install i-have-adhd；其他工具用户把它仓库里的 skills/i-have-adhd/SKILL.md 内容贴进你的规则文件（Cursor 的 rules、Codex 的 AGENTS.md 均可）。跑一个平时最烦的修复任务，对比 Before/After 的体感差异——你会立刻明白这 18k star 是怎么来的。

2. 把"输出纪律"写进你的提示词模板。如果你用 AI 写代码、写文档、做分析，值得把这 10 条规则里最关键的几条（先说结论、步骤编号、抑制跑题、具体时间估计）沉淀成自己的固定要求。它不止对 coding agent 有效——对所有"帮你干活"的 AI 都适用。

结尾

i-have-adhd 的 README 末尾有一句话，是作者要 star 的姿势：“Star ⭐ if it saved you one scroll past one ‘Great question!’"——如果它让你少翻过一句"好问题！"，就点个星吧。

这个项目拿 18k star，靠的不是任何技术突破，而是它准确命名了一个人人都经历过、却没人认真对待的痛点：AI 很聪明，但它说话的方式让人抓狂。当"让 AI 闭嘴干活"都能成为一个 18k star 的开源品类，说明行业对 AI 的期待已经变了——不再满足于"它什么都会”，而是开始要求"它会好好说话”。对开发者来说，这是比任何新模型发布都实在的进步。

（信息来源：i-have-adhd 官方 README 与 SKILL.md（github.com/ayghri/i-have-adhd）、GitHub API 数据快照（2026-08-08，18,148 stars / 1,059 forks）、《The Adult ADHD Tool Kit》（J. Russell Ramsay & Anthony L. Rostain）、reverse-skill 仓库数据（zhaoxuya520/reverse-skill，20,526 stars））