ADHD：编码代理的并行发散思维技能
通过树状思维与剪枝，在隔离认知框架下并行生成创意，避免早期收敛。
- Star 数
- ★ 4.4k
- 最近更新
- 13 天前
- License
- MIT
- 主语言
- TypeScript
- FA 评分
- 56/100 · 缺口较多
30 秒速览
- 运行形态
- 可在哪里用
- 平台专用Codex · Claude Code
- 费用
- 软件免费，模型调用费用自付
- 上手难度
- 低 · 几分钟可跑通
- 开始前需要
- 典型场景
- 当需要设计一个替代方案时，例如设计一个能经受领导者选举的限流器，利用ADHD生成多样化的思路。
- 不适合
- 只想要单一答案的简单直接任务
- 对 API 成本和时间开销敏感、无法接受约 2.3 倍耗时与 1.9 倍输出的团队
这个 Agent 能做什么，适合哪些场景？
ADHD 是一种针对编码代理的技能，旨在解决自回归推理中的过早收敛问题。它通过并行启动多个隔离的推理过程，每个过程采用不同的认知框架，强制进行发散思维，然后通过独立的批评者阶段进行评分、聚类、剪枝和深化，最终输出优胜方案。该技能实现了两阶段循环：发散（Diverge）与聚焦（Focus）。发散阶段将问题与认知框架结合，生成多个无共享上下文的独立思路；聚焦阶段则用单独的LLM调用对所有想法进行新颖性、可行性和契合度评分，并标记陷阱、聚类深化。ADHD 提供 CLI、TypeScript 库和预构建的技能包，支持一键安装到 Claude Code、Codex 等约50种代理。评测显示ADHD在广度、新颖性、陷阱检测等方面显著优于单次基线。该项目由 Udit Akhouri 维护，已有 repowire、mstack 等开源项目采用。
ADHD 运行一个两阶段的循环。在发散阶段，它根据问题选择多个认知框架，为每个框架调用独立的编码代理实例，这些实例只看到问题和一个框架提示，且系统提示禁止评估，因此彼此隔离、无共享上下文。在聚焦阶段，它运行一个独立的批评者LLM调用，对发散阶段产生的所有想法进行创新性、可行性和契合度评分，标记陷阱并提供原因，按潜在角度聚类，并对排名靠前的想法进行深化，输出包含风险、第一步的简要方案。最终输出包括 shortlist、nonObviousPick、traps、deepened 和 clusters 等结构化结果。整个流程通过 TypeScript 库暴露为 run() 和 renderText() 函数，并提供 CLI 命令 adhd。该技能独立于具体任务，适用于设计决策、模糊调试、命名、API设计等。
- 当需要设计一个替代方案时，例如设计一个能经受领导者选举的限流器，利用ADHD生成多样化的思路。
- 当面临模糊且难以调试的问题时，例如CLI调用LLM有时挂起90秒，ADHD能提供非显而易见的解决方案。
- 当为API或函数命名时，通过并行框架生成创意名称，避免思维定势。
- 在进行架构设计或策略规划时，利用ADHD探索不同认知框架下的多种可能性，减少过早收敛。
- 当需要评估新想法的陷阱时，使用ADHD的聚焦阶段自动标记陷阱，避免投入无效工程时间。
- 当需要构建新的代理技能时，参考ADHD的生成器-批评者分离模式，将其作为独立的提示或框架集成到其他工作流中。
如何安装或部署这个 Agent？
首先确保已安装Node.js 18及以上版本。然后通过npm全局安装CLI：npm install -g adhd-agent。或者在项目中作为库安装：npm install adhd-agent。对于Claude Code、Codex等代理，推荐使用技能安装命令：npx skills add UditAkhourii/adhd，该命令会自动检测代理类型。如果Codex无法自动发现，可强制指定：npx skills add UditAkhourii/adhd -a codex -g，或手动复制SKILL.md到~/.codex/skills/adhd/目录。
如何使用这个 Agent？
在CLI中，直接运行adhd "your problem"即可开始发散思维。例如：adhd "design a rate limiter"。可通过--frames、--ideas、--top参数调整发散帧数、想法数量和最终输出数量。在TypeScript中，导入run和renderText函数：const result = await run({ problem: "...", framesPerRun: 5, topK: 3 }); console.log(renderText(result)); 结果包含shortlist、nonObviousPick、traps、deepened、clusters等字段。在支持的代理中，使用/adhd "你的问题"调用技能。
这个 Agent 有哪些优点和局限？
- 显著提高想法多样性：评测中广度提升到9.0，比基线高约1.9倍。
- 强大的陷阱检测能力：陷阱检测得分9.5，比基线高5.2倍，能自动标记看似合理但有害的想法。
- 新颖性突出：在模糊问题上能产生基线未覆盖的非显而易见方案，如'rage-quit'思路。
- 提供CLI、库和技能包等多种集成方式，支持约50种代理，部署灵活。
- 有预印本和文档支持，方法有理论依据，且被多个开源项目采用，社区活跃。
- 计算成本高：相比单次推理，ADHD需要多次LLM调用，耗时约2.3倍，输出约1.9倍，费用相应增加。
- 依赖外部LLM API：需要网络连接和有效的API密钥，无法离线使用。
- 仅针对Claude Code和Codex提供完整的一键安装，其他代理可能需要手动配置。
- 技能描述为单行，某些Codex构建可能截断，但已通过安装路径解决。
- 可能存在过度设计风险：对于简单问题，发散和聚焦过程可能比直接推理更慢且不必要。
这个 Agent 与同类方案有什么区别？
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| ADHD：编码代理的并行发散思维技能 当前 | 56 · 缺口较多 | Agent 插件 / 技能免费 + 模型费 | ★ 4.4k | 13 天前 | TypeScript | Codex · Claude Code |
| AgentBridge | 61 · 存在缺口 | 命令行工具免费 + 模型费 | ★ 402 | 1 个月前 | TypeScript | Codex · Claude Code |
| OpenCove 无限画布工作空间 | 46 · 缺口较多 | 桌面应用免费 | ★ 1.6k | 2 天前 | TypeScript | Codex · Claude Code |
| img2threejs — 代码重建三维模型 | 45 · 缺口较多 | Agent 插件 / 技能免费 + 模型费 | ★ 18k | 11 天前 | Python | Codex · Claude Code |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
证据显示：生成查询禁用所有内置工具（tests/llm.test.ts），符合最小权限；但用户确认机制未明确，数据流透明度有限，敏感数据处理未说明，依赖安全未审计，外部影响（如网络调用）未明确，回滚机制缺失，来源归属有MIT归属但未验证。扣分原因：用户确认、数据流、敏感数据、依赖安全、外部影响、回滚证据不足。
证据显示：README与代码一致，依赖版本固定（package.json），CI覆盖多Node版本；但失败消息未详细说明。扣分原因：失败消息证据不足。
证据显示：明确目标受众（编码代理）和场景（设计决策、模糊调试等），能力边界有文档（when-to-use），触发方式明确（/adhd），环境适配广泛（多种代理）。扣分原因：无重大缺陷，但部分细节未验证。
证据显示：文档结构清晰（README、documentation/），安装说明详细，命名稳定（adhd-agent），示例丰富，已知限制有文档，MIT许可证，版本号存在但无changelog，维护责任明确（作者）。扣分原因：无changelog。
证据显示：输出结构清晰（shortlist、traps等），边际价值有对比数据，成本效益有讨论（时间/输出成本）。扣分原因：无重大缺陷，但成本数据依赖外部评测。
证据显示：声明有文档支持（evals.md），外部评测交叉验证，事实与推断分离（方法论明确）。扣分原因：无重大缺陷。
- 源码中未见：回滚或恢复路径运行前先备份，或在 git 分支、快照上操作，确保改动可以撤销。
- 发布者身份未验证，来源归属仅基于MIT声明。
- 依赖安全未审计，建议检查依赖漏洞。
- 用户确认机制不明确，可能自动执行操作。
- 回滚机制缺失，变更可能难以撤销。
最近版本
来自该项目 GitHub Releases 的最新发布记录，说明为上游原文摘录，未经本站改写或测试。
-
v0.1.4 v0.1.4 — Community is open · Codex compatibility · first OSS adopter
发布说明摘录
🎉 The ADHD community is open If you build with coding agents, sign up at https://tally.so/r/WO1Nzj as a contributor, maintainer, early adopter, or just a member who wants to follow along. Full discussion: https://github.com/UditAkhourii/adhd/discussions/19 Where we are - 5/6 wins vs a single-shot baseline across 6 open-ended engineering problems, with +5.17 novelty and +7.67 trap detection on a 0–10 rubric — full methodology in [EVALS.md](https://github.com/UditAkhourii/adhd/blob/main/EVALS.md). …在 GitHub 查看 ↗