让 Claude Code 少说废话、直接给答案——我试了这个 5200 Star 的技能包

简介: i-have-adhd 是一款开源AI编程助手“输出风格技能包”,专治AI回答啰嗦、废话多、行动指引模糊的痛点。它强制AI首句给动作、步骤编号、禁用客套话,让调试/编码指令清晰可执行。MIT协议,支持Claude Code、Cursor等主流工具,安装即用。(239字)

用 AI 编程助手越久,我越烦一件事:问一个具体的技术问题,它先给你三段背景分析、两段风险提示、一句"Hope this helps",最后才轻飘飘抛出答案。

上周在 GitHub 上看到一个叫 i-have-adhd 的项目,名字挺扎眼,Star 周增 5200,16k+ 总星。MIT 协议,本质是一套给编程 Agent 用的输出风格技能包。装上之后,Claude Code、Codex、Cursor 这些工具会被强制改成"先给动作、步骤编号、没有客套话"的输出方式。

我把它装到 Claude Code 和 Cursor 里试了一周。今天说说我实际体验。


一、它解决了一个真实痛点

程序员和 AI 助手打交道,最浪费时间的就是这种对话:

你:这个接口 500 了,帮我看看。
AI:当然,我很乐意帮忙。首先,HTTP 500 是服务器内部错误,可能的原因有很多,
    包括数据库连接问题、未捕获的异常、依赖服务超时等等。让我先看一下你的代码。
    从你的 app.py 文件来看,第 47 行似乎调用了 user_service.get_profile()...
    这个函数可能会抛出 ValueError... 你可以考虑增加 try-except... 另外建议
    检查一下日志... 如果还有问题随时告诉我。

看完这段话,有效信息是:第 47 行可能抛异常,加 try-except。但你得在两三段废话里自己找。

这就是 i-have-adhd 要干掉的东西。它给 Agent 下了死命令:

  • 首句必须是下一步动作
  • 多步骤必须编号
  • 结尾必须给具体下一步
  • 禁止"Great question"、"Hope this helps"这类客套话

同样的问题,装上之后大致会变成:

1. 在 app.py:47 添加 try-except ValueError
2. 打印完整异常:logger.exception("get_profile failed")
3. 运行 curl 复现请求
下一步:把异常堆栈第一行贴给我

二、10 条规则,其实可以归成 3 类

项目核心在 skills/i-have-adhd/SKILL.md 里,10 条规则。我按自己的理解重新分了个类:

image.png

第一类:只说现在该干什么

  • Lead with the next action. 首句就是下一步动作。
  • No preamble. No recap. No closers. 不要开场白、不要总结、不要结束语。
  • Suppress tangents. 抑制跑题。发现别的问题?等当前问题处理完再提。

这三条本质上是把 AI 从"滔滔不绝的同事"变成"报幕员"。它不取消解释,但解释必须服务于执行。

第二类:把任务切成一口大小的块

  • Number multi-step tasks. 多步骤任务要编号。
  • Cap lists at 5 items. 列表最多 5 项,超过就拆成"现在做 / 以后做"。
  • Specific time estimates. 给具体时间估算("3 分钟"而不是"一会儿")。

这三条针对的是执行阻力。大块任务会拖延,编号的小步骤会推动你动第一下手。

第三类:保持上下文不丢

  • Restate state every turn. 每次交互重述当前状态。
  • Make wins visible. 让成果/进展可见。
  • Matter-of-fact errors. 错误陈述客观、直接。

最后一条 End with one concrete next step 是兜底:每轮对话结束必须有一个可执行动作。


三、效果对比:同一个需求,两套输出

我找了一个真实的调试场景做对比。背景是我在写一个 Python 脚本,解析 CSV 时报了编码错误。

没装 i-have-adhd 的 Claude Code

这是个常见的编码问题。CSV 文件很多时候不是 UTF-8 编码,而是 GBK 或 Latin-1。
当你用 pandas.read_csv 读取时,如果编码不匹配,就会抛出 UnicodeDecodeError。
一个常见的做法是尝试指定 encoding='gbk' 或者 encoding='latin1'。
另外你也可以用 chardet 库先检测编码。不过 chardet 有时候也不准。
更稳妥的方法是逐个尝试常见编码。下面是一个可能的实现。

然后才给出代码。我看到"这是个常见的编码问题"就已经开始走神了。

装上 i-have-adhd 后的 Claude Code

1. 运行 pip install chardet
2. 替换文件读取代码为:
   with open('data.csv', 'rb') as f:
       raw = f.read()
       encoding = chardet.detect(raw)['encoding']
3. 用 pd.read_csv('data.csv', encoding=encoding) 重新读取
下一步:如果还报错,把完整 traceback 贴给我

没有铺垫,没有"常见",没有"可能"。手放在键盘上就能开始执行。


四、安装:主流工具都支持

i-have-adhd 不是库,不需要 import。它是一套系统提示词风格的 Skill,通过插件/技能机制塞进不同 Agent。

Claude Code

claude plugin marketplace add ayghri/i-have-adhd
claude plugin install i-have-adhd@i-have-adhd

然后在对话里输入 /i-have-adhd 启用。想让每个会话默认启用:

touch ~/.claude/.i-have-adhd-always

Codex

codex plugin marketplace add ayghri/i-have-adhd --ref main
codex plugin add i-have-adhd@i-have-adhd

输入 $i-have-adhd 显式启用,Codex 也会在合适场景隐式调用。

Cursor

Cursor 走 .cursor/skills/i-have-adhd 路径。按 Cursor Skills 机制,把仓库里的 skill 文件添加进去即可。

其他工具

Zed、Gemini CLI、Hermes、Pi、Antigravity 都有对应适配,具体看仓库的 INSTALL.md


五、实际使用中的几个细节

不是所有场景都适合

它有明确的"破例"规则:

  • 用户明确要求解释时,可以长篇说明,但仍然禁止开场白和结束语。
  • 执行 rm -rf、force push、删表等破坏性操作前,必须确认。
  • 连续三次修复失败后,要停下来重新说明可能错误的假设。

也就是说,安全性和理解优先于简洁。

初学编程的人可能不习惯

如果你还在学概念阶段,需要 AI 详细解释"为什么",这套规则会让你觉得太干。它更适合已经知道怎么写代码、只想快点把事情做完的人。

进展可见性很重要

在长对话里,"重述当前状态"这条规则特别有用。比如第三轮对话后,Agent 会主动说:

第 3 步 / 共 5 步已完成(依赖已安装,配置已更新)。
下一步:编辑 vite.config.ts 添加代理规则。

这对断断续续的调试场景非常友好。你被打断十分钟回来,不用往前翻聊天记录。


六、为什么这个项目能火?

名字里的 ADHD 其实是个隐喻。项目 README 自己也说:No ADHD diagnosis needed.

它真正切中的是所有高频使用 AI 编程助手的人的共同痛点:AI 输出越来越礼貌、越来越长、越来越像写作文。每句回答都在消耗你的注意力和上下文窗口。

而它背后的认知科学依据也很扎实。SKILL.md 开头列了五条事实:

  1. 工作记忆容量小——不在屏幕上的内容等于不存在
  2. 知道≠做到——"懂了"和"做了"之间差距巨大
  3. 启动最难——第一步必须显而易见
  4. 时间感知模糊——"一会儿"可能是几小时
  5. 多巴胺稀缺——进展必须可见

这些原本是针对 ADHD 人群的观察,但放在 AI 助手这个场景里,几乎对所有人都成立。


七、我的判断

适合用的情况:

  • 你每天用 Claude Code / Cursor / Codex 写代码
  • 你经常让 AI 帮你调试、改配置、跑命令
  • 你受够了 AI 的客套话和总结陈词
  • 你需要统一管理多个 AI 工具的输出风格

不适合用的情况:

  • 你是编程初学者,需要详细解释
  • 你喜欢引导式、教学式的回答
  • 你做的任务是开放性讨论,而不是具体执行

装完一周我的实际感受:

最大的改变不是输出变短了,而是每次对话的终点都变清楚了。以前 AI 说完一堆,我还得问自己"所以我现在该干什么?",现在它直接告诉我"下一步粘贴报错"。这种被推着走的感觉,对推进任务很有效。

但也要承认,偶尔遇到复杂架构问题,纯动作列表会略显生硬。那种时候我会临时禁用 Skill,让它先解释清楚。


结语

i-have-adhd 的走红说明了一件事:AI 助手的能力已经够强了,但沟通方式还差得远。我们已经不满足于"能回答",而是要求"直接告诉我第一步干嘛"。

这个项目用一套简单的规则,把 AI 从"滔滔不绝的顾问"变成了"报幕的执行助手"。它不改模型能力,只改输出结构。但恰恰是这种结构,决定了你是看完就走神,还是立刻动手。

目录
相关文章
|
21天前
|
人工智能 负载均衡 API
一个端点接 290 家 AI 服务商--我拆解了周增 7700 Star 的 OmniRoute
OmniRoute 是一款 MIT 协议的本地 AI 网关(TS 编写),聚合 290+ 服务商、500+ 模型,提供 OpenAI 兼容接口。支持智能 Combo 路由、12 因子 auto 选模、三层弹性容错与 RTK 等 12 种 Token 压缩引擎,显著提升免费额度利用率与稳定性。(239 字)
200 1
|
21天前
|
存储 安全 调度
Agent 五大工程体系:Prompt、Context、Loop、Graph 与 Harness
本文提出Agent五大工程体系:Prompt(提示词)、Context(上下文)、Loop(循环)、Graph(图)与Harness(运行时),构建分层分析框架。聚焦控制对象——措辞、信息构成、时间节奏、空间结构与系统运营,助力开发者精准定位问题、理解Runtime本质,告别机制混淆。
217 1
|
21天前
|
存储 人工智能 JSON
保姆级实操|Qwen 本地部署搭配 ComfyUI 制作 AI 漫剧,零基础就能落地,零成本无限生成,角色不崩脸
这是一套2026年全网领先的本地化AI漫剧工业化流水线:离线免费、零成本、8G显存即可运行;采用Qwen+ComfyUI双引擎,实现剧本生成→分镜→绘图→动态成片全自动闭环,彻底解决角色崩坏、隐私泄露、算力付费等痛点,适配小说推文、短剧量产与AI副业。(239字)
|
21天前
|
SQL 人工智能 文字识别
阿里把内部用了两年的 AI 代码审查工具开源了——我跑了一遍 Open Code Review
阿里开源的 Open Code Review 是一款工程化 AI 代码审查工具,采用“确定性模块 + LLM Agent”混合架构,精准定位问题、严控误报率,支持 Git 差异审查与全量扫描,已落地服务数万开发者。周增星 4750,Apache-2.0 协议,轻量易集成。(239 字)
345 2
|
28天前
|
人工智能 安全 前端开发
阿里云Qoder CN AI编程智能体:重塑开发全流程的智能助手
在软件开发领域,AI技术正从简单的代码补全工具,进化为能够贯穿需求分析、代码编写、测试验证、项目管理全流程的智能体。阿里云推出的Qoder CN AI编程智能体,正是这一趋势下的核心产品,它脱胎于通义灵码,完成了从传统AI集成开发环境到智能体全自动自主开发工作台的跨越,为个人开发者、技术团队及企业级项目提供了全方位的智能开发支持。Qoder CN不再局限于单一的代码辅助,而是以智能体为核心,构建了一套完整的开发生态,通过多模型融合、多智能体协作、全流程自主执行等能力,彻底改变传统开发模式,大幅提升开发效率与代码质量。
281 3
|
2月前
|
人工智能 安全 开发工具
08|Harness 安全设计:命令执行、文件修改、密钥和权限
AI编程工具安全刻不容缓!Harness通过四大边界管控风险:文件读取(默认限当前仓库)、修改(强制diff与回滚)、命令执行(分低/中/高风险三级审批)、外部工具(最小权限+审计)。叠加Prompt注入防护与企业级默认策略,确保AI在可控、可溯、可审前提下高效赋能研发。
237 0
|
2月前
|
人工智能 安全 测试技术
02|Agent Harness 的核心组成:模型、上下文、工具、文件系统和终端
Agent Harness 是AI编程的工程执行系统,不止依赖大模型:模型负责推理,上下文精准供给信息,工具赋予行动力,文件系统承载代码修改,终端闭环验证结果,权限保障安全边界。五者协同,才能真正完成任务而非仅输出建议。(238字)
246 0
|
2月前
|
Java Windows 内存技术
Windows Java多版本管理工具
本文介绍了Windows下Java多版本管理工具jvms的安装与使用:支持一键初始化、查看/安装/切换JDK(如Java 21),解决Java 8与新版共存难题。操作简单,需注意环境变量顺序以确保生效。(239字)
436 1
|
2月前
|
消息中间件 人工智能 安全
01|什么是 Agent Harness:为什么大模型需要一个“工程外壳”
Agent Harness 是连接大模型与真实工程环境的执行层,解决AI“只会生成文本、无法完成任务”的痛点。它整合上下文管理、工具调用、安全执行、权限控制、结果验证与记忆机制,将自然语言指令转化为可观察、可控制、可验证的工程动作闭环,是AI真正落地开发的关键基础设施。(239字)
482 0
|
21天前
|
人工智能 Rust JavaScript
单会话 27.8 MB,比 Claude Code 省 13 倍内存——我试了 Rust 写的 jcode
jcode是Rust编写的轻量级AI编程Agent框架,单会话仅占27.8MB内存(比Claude Code省13倍),冷启动仅14ms。支持多会话并行、Swarm协作与可选本地embedding,专为内存受限设备(如8GB MacBook Air)优化,兼顾性能与灵活性。(239字)
137 3

热门文章

最新文章