1. 项目缘起当“开始”成为最大的障碍作为一名长期与注意力缺陷多动障碍ADHD共存的开发者我职业生涯中最具讽刺意味的挑战并非解决复杂的算法问题而是启动那些在旁人看来微不足道的日常任务。回复一封三句话的邮件、把碗碟放进洗碗机、打开那份拖延了三天的文档——这些任务本身毫无技术难度但对我而言每一件都像被一堵无形的“恐惧之墙”所阻隔。这堵墙由累积的焦虑、完美主义倾向和对过往失败经历的预期共同砌成让“开始”这个动作变得异常艰难。临床上这被称为“任务启动障碍”它影响着约67%的成年ADHD群体。问题的核心并非缺乏意志力而是大脑在启动需要执行功能的任务时无法有效分泌多巴胺以提供必要的动力和奖赏预期。在过去的两年里我几乎尝试了市面上所有主流的效率工具从Notion、Todoist到Asana。结果无一例外它们都失效了。原因在于这些工具的设计都基于一个对神经典型Neurotypical大脑成立的默认假设用户看到任务列表后能够自然地选择一项并开始执行。它们专注于组织、排期和提醒。但对于ADHD大脑而言这个假设是根本性的错误。真实的情况往往是打开应用看到满屏的任务列表ADHD大脑特有的“广播式”而非“队列式”的信息处理模式会瞬间让所有任务同时涌入工作记忆导致认知过载。随后前额叶皮层在压力下“宕机”最终的结果就是关掉应用陷入长达45分钟的无意识信息流滚动。工具本身没有错但它们是为另一种大脑架构设计的。2. 核心理念拆解CBT行为激活理论与AI的交叉点当我意识到传统工具的路走不通时我将目光投向了认知行为疗法CBT。CBT中有一个强大而朴素的原则行为激活。其核心思想是行动先于动机而非相反。你不需要等到“有感觉”了才去做事相反你应该先完成这个任务最小、最简单的版本由此产生的微小成就感和随之而来的微量多巴胺会降低你执行下一步行动的心理门槛。在临床实践中治疗师会与来访者坐在一起手动将令其畏惧的大型任务分解成小到足以绕过情绪阻力的步骤。这个过程需要极高的共情和技巧。于是一个想法自然浮现如果大型语言模型LLM能够模拟这种治疗性的任务分解过程呢这个问题的答案成为了我构建Thawly——一个基于AI的微步骤引擎——的起点。这不仅仅是另一个生产力工具而是一个旨在解决特定神经认知障碍的“认知无障碍”工具。2.1 为何通用任务分解对ADHD无效直接让GPT“分解任务”是行不通的。一个通用的分解指令会产生如下结果任务撰写季度报告研究数据创建大纲撰写初稿审阅与编辑提交对于ADHD大脑来说这个列表几乎和原始任务一样令人窒息。“研究数据”仍然是一个庞大、开放、定义模糊的怪兽。它没有提供任何关于“如何开始”的具体线索完美主义会立刻开始质疑“研究哪些数据”“从哪里开始研究”“研究到什么程度才算够”——认知冻结再次发生。因此必须为AI设计一套全新的、基于临床心理学原则的提示架构。2.2 构建提示架构的四大临床约束我基于CBT原则和ADHD神经科学为AI提示词工程设定了四条不可妥协的约束条件。这些约束是将一个普通LLM转化为“认知无障碍工具”的关键。约束一每一步不得超过2分钟。这不是一个随意的数字而是基于“最小可行多巴胺刺激”的阈值。如果一个步骤预计耗时超过2分钟ADHD大脑就有足够的时间在中途失去焦点焦虑感会重新积聚那堵“恐惧之墙”又会迅速重建。2分钟是一个心理上的安全区它向大脑承诺“这个你绝对能做到而且很快就能结束。”约束二步骤必须具体、可观察、具身体现。步骤必须描述客观的、物理性的动作而不是模糊的认知过程。“思考你需要什么数据”会失败因为它发生在颅内无法被观测和完成。“打开名为‘Q3数据’的电子表格滚动到A列”则会成功。这在CBT中被称为“行为具体化”它将内在的心理挣扎转化为一系列外在的、可执行的动作指令。约束三激活能量需递增。第一步必须是一个“零摩擦入口点”所需的意志力和能量趋近于零。例如不是“开始写报告”而是“在电脑上打开一个空白文档”。每一个后续的步骤可以略微增加一点点复杂度或所需精力就像CBT中的“分级任务分配”利用前一个微步骤完成所带来的动量像滚雪球一样推动行动。约束四杜绝任何完美主义触发词。步骤描述中绝不能包含任何暗示质量评判的词汇。“写一段精彩的引言”是灾难性的它会立刻触发完美主义瘫痪。“在文档顶部键入‘报告’两个字后面随便跟一个你想到的词”则是可行的。给予“做得糟糕”的许可在治疗上是至关重要的它剥离了任务的表现压力只保留行动本身。3. 系统实现从理论到可运行的微步骤引擎有了理论框架下一步就是将其转化为一个稳定、可用的产品。这涉及到提示工程的具体实现、技术栈的选择以及核心交互逻辑的设计。3.1 提示工程的具体实现与迭代最初的提示词版本相对简单只是机械地套用四条约束。但在实际测试中我发现AI常常会“作弊”。例如对于任务“整理房间”它可能生成“拿起一件衣服”作为2分钟步骤这符合约束但“一件衣服”这个数量词本身可能成为一个新的决策负担“哪一件”。因此提示词需要不断细化加入更多语境和排除条件。最终形成的系统提示词核心部分大致如下以概念性描述呈现你是一个基于认知行为疗法CBT原则的ADHD任务分解助手。你的唯一目标是将用户输入的任何任务分解为一系列极度具体、可立即执行的微步骤。请严格遵守以下规则微观性每个步骤必须是独立的、可在2分钟内完成的具体动作。如果原任务无法在2分钟内完成你必须将其拆解。外化与具体化步骤必须描述可观察的物理动作如点击、打开、键入、移动、说出禁止使用“思考”、“计划”、“决定”、“整理”除非进一步拆解等内在认知动词。零门槛启动第一步必须简单到几乎不需要意志力例如“将手机解锁”、“把手指放在键盘上”。无评判语言禁止使用“好的”、“正确的”、“完整的”、“仔细的”等质量形容词。使用“任何”、“随便一个”、“第一个”等降低标准的词汇。工具中立除非用户指定否则步骤应避免绑定特定应用如“打开Chrome”而是描述通用动作如“打开一个网页浏览器”。输出格式仅输出步骤列表使用数字编号。不要有任何引言、总结或额外解释。在实际工程中我们还会在用户输入前附加一些元指令例如“用户此刻可能感到 overwhelmed请以最大程度的温和与具体性进行分解”并将对话历史用户之前完成或放弃的步骤作为上下文喂给模型使其能动态调整后续步骤的粒度。3.2 技术栈与架构考量为了确保极致的响应速度和“零配置”体验技术选型上我们做了以下决定前端采用轻量级框架如Svelte或Preact目标是实现瞬时加载。应用必须是一个单页应用SPA避免页面刷新带来的流程中断。后端/API核心是一个轻量级的Node.js或Python服务主要职责是处理与LLM API如OpenAI GPT-4后为成本和控制力考虑部分迁移至Claude或经过微调的开源模型的通信。这里的关键是设计健壮的提示词模板管理和上下文会话管理。数据存储出于对用户隐私的极致尊重以及避免“罪恶感数据”如未完成记录的考虑我们选择了临时会话存储。步骤列表和进度仅保存在浏览器内存或临时会话缓存中页面关闭或一段时间不活动后即自动清除。坚决不存储任何长期任务历史、完成率或个人生产力数据。部署使用Serverless架构如Vercel、Netlify确保全球快速访问且无需用户关心服务器状态。注意关于模型选择的思考。初期我们直接使用GPT-4的Chat Completion API它的推理能力和对指令的遵循程度非常出色。但随着用户量增长成本和响应延迟成为问题。我们探索了两种路径一是使用更小、更快的模型如GPT-3.5-Turbo并通过更精细的提示工程和少量示例微调Few-shot Learning来逼近效果二是为最常见的任务类型如“回邮件”、“整理”、“支付账单”创建一套预定义的、符合CBT原则的微步骤模板库AI只需在模板基础上进行适配。后者显著提升了响应速度和一致性。4. 用户体验设计不制造新障碍的界面哲学构建AI分解引擎只解决了问题的一半。另一半是设计一个不会再次触发它本应解决的瘫痪状态的用户界面。这是产品成败的关键。4.1 “一次只看一步”的显示逻辑与所有主流效率工具背道而驰Thawly的界面只显示当前需要执行的一个步骤。没有清单视图没有待办事项列表没有进度条至少在核心流程中。这反直觉但对ADHD至关重要。每一个可见的待办项都会争夺有限的工作记忆带宽重新引发认知过载。我们的界面更像一个专注计时器或一个导航员只告诉你“现在请做这一件事”。只有当你点击“完成”后下一个步骤才会悄然出现。4.2 极致的“零配置”原则没有 onboarding 流程没有偏好设置没有工作区配置。打开网站或应用映入眼帘的就是一个简单的输入框“什么任务让你卡住了”。输入回车步骤立即开始。每一个设置屏幕都是一个决策点而每一个决策都会消耗本应用于执行任务的那点珍贵的多巴胺和意志力。我们将“ friction ”摩擦视为头号敌人并致力于将其降至无限接近于零。4.3 反游戏化摒弃 streaks 与罪恶感大多数习惯应用依赖游戏化机制连续打卡 streak、积分、排行榜。对于许多神经典型用户这很有效。但对于ADHD用户一个中断的 streak 带来的不是激励而是强烈的羞耻感和自我谴责——“我又失败了”。这种负面情绪会直接导致回避行为进而陷入“失败-羞耻-更想逃避”的恶性循环。因此我们彻底移除了所有追踪、评分和长期记录功能。你可以今天用三次然后忘记它一个月当你再回来时迎接你的依然是那个干净的输入框没有任何“红色失败徽章”在等待审判你。4.4 输入框设计的微妙之处甚至输入框的文案都经过精心设计。我们不用“请输入你的任务”太正式也不用“今天要做什么”有规划压力。最终采用的“什么任务让你卡住了”直接共情了用户当下的情绪状态并将工具的定位从“管理工具”转变为“救援工具”。同时我们允许并鼓励输入模糊、情绪化的描述如“处理我的一团糟生活”或“我动不了了”。AI经过训练能够从这种模糊性中解读出背后的情绪和常见障碍并从一个极低摩擦的物理动作开始例如“深呼吸一次然后说出你此刻看到的三个物体的颜色”。5. 实际应用中的发现与挑战在Thawly的实际使用和用户反馈收集中一些发现颠覆了我最初的假设也带来了新的挑战。5.1 出人意料的用户行为模式步骤数量远少于预期我们原以为用户需要完整的5-7步链条。但数据显示大多数用户只需要2-3个微步骤就能成功“破冰”启动他们自己的动力引擎然后脱离工具自行继续。AI生成的后续步骤更像一个安全网而非必须走完的路径。最棘手的任务并非最庞大的用户很少输入“写一本小说”或“创业”。他们输入最多的是“回复老板的短信”、“打开那封银行信件”、“把厨房台面上的碗洗了”。正是这些日常小事所承载的情感重量如对评判的恐惧、对坏消息的焦虑导致了最严重的瘫痪。工具的效用在于将这些情感负载重的“小怪物”进行无害化拆解。模糊输入优于精确输入正如前文所述“搞定我的税务”这种模糊输入往往比“填写1040表格的第三部分”能产生更有效、心理阻力更小的启动步骤。因为前者更真实地反映了用户被情绪淹没的状态AI可以绕过具体的技术细节先从建立控制感和行动感开始。5.2 遇到的技术与伦理挑战AI的“创造力”偏差有时AI为了生成“具体动作”会插入一些过于古怪或情境不相关的步骤例如对于“开始写论文”它可能建议“先跳三下鼓舞士气”。这需要通过在提示词中增加“步骤应具备常识性和职业相关性”的约束并通过反馈机制不断微调模型。对复杂、多分支任务的局限性对于需要多线决策的复杂项目如“策划一场婚礼”线性微步骤链条可能不够用。我们正在探索“步骤树”或“情境感知分解”的可能性即AI在用户完成某一步后根据结果提供几个简单的后续选项分支。依赖性与自主性的平衡一个核心的伦理问题是我们是否在创造一种新的依赖理想的工具应该像CBT治疗一样最终目标是让用户内化这种自我拆解的技能。因此我们在考虑未来版本中增加“学习模式”在提供步骤的同时温和地解释其背后的CBT原理“我将这个任务拆解得很小是为了降低启动压力你可以试试下次自己这样思考”。安全与责任边界我们必须非常谨慎地划定边界。工具不处理与严重心理健康危机相关的任务如自伤念头这类输入会触发预设的安全响应引导用户寻求专业帮助。所有内容生成都需遵守严格的内容安全政策。6. 未来展望AI作为认知无障碍工具的新范式构建Thawly的过程让我坚信我们正处在一个重要趋势的起点AI作为认知无障碍工具而不仅仅是生产力倍增器。当前的AI产品浪潮无论是GitHub Copilot、ChatGPT还是Notion AI主要服务于神经典型用户。它们放大已有的执行功能帮助你更高效地做你本来就能做的事。但对于那些因神经发育差异如ADHD、自闭症谱系、焦虑、抑郁或脑损伤而无法启动任务的人来说他们需要的不是“做得更多”而是“能够开始”。这是一个巨大而未充分开发的市场。这些用户不需要AI替他们写作或思考他们需要AI充当一个富有耐心、永不疲倦的“外部前额叶皮层”在意图与行动之间架起一座桥梁将令人望而生畏的整体分解成一个又一个2分钟内可管理的、具体的、无评判的微小动作。未来的方向可能包括多模态交互结合语音输入/输出让用户可以通过说话来启动和推进步骤进一步降低操作摩擦。情境感知与日历、邮件轻度集成在检测到用户对某个预定事件或未读邮件长时间没有行动时主动提供微步骤建议。个性化适应通过匿名化的使用模式分析不关联个人身份让AI逐渐学习对特定用户最有效的步骤风格和启动模式。临床整合探索作为治疗师辅助工具的可能性为接受CBT治疗的患者提供日常练习的支持。这个位于AI、临床心理学和包容性设计交叉点的领域依然广阔而开放。它要求开发者不仅具备技术能力更需要深厚的共情心和对人类认知多样性的理解。最终衡量这类工具成功的标准或许不是完成了多少任务而是帮助用户跨越了多少次“开始”的鸿沟重建了多少次对自身行动能力的信心。
基于CBT与AI的ADHD任务启动工具：微步骤引擎的设计与实践
发布时间：2026/6/2 11:45:14
1. 项目缘起当“开始”成为最大的障碍作为一名长期与注意力缺陷多动障碍ADHD共存的开发者我职业生涯中最具讽刺意味的挑战并非解决复杂的算法问题而是启动那些在旁人看来微不足道的日常任务。回复一封三句话的邮件、把碗碟放进洗碗机、打开那份拖延了三天的文档——这些任务本身毫无技术难度但对我而言每一件都像被一堵无形的“恐惧之墙”所阻隔。这堵墙由累积的焦虑、完美主义倾向和对过往失败经历的预期共同砌成让“开始”这个动作变得异常艰难。临床上这被称为“任务启动障碍”它影响着约67%的成年ADHD群体。问题的核心并非缺乏意志力而是大脑在启动需要执行功能的任务时无法有效分泌多巴胺以提供必要的动力和奖赏预期。在过去的两年里我几乎尝试了市面上所有主流的效率工具从Notion、Todoist到Asana。结果无一例外它们都失效了。原因在于这些工具的设计都基于一个对神经典型Neurotypical大脑成立的默认假设用户看到任务列表后能够自然地选择一项并开始执行。它们专注于组织、排期和提醒。但对于ADHD大脑而言这个假设是根本性的错误。真实的情况往往是打开应用看到满屏的任务列表ADHD大脑特有的“广播式”而非“队列式”的信息处理模式会瞬间让所有任务同时涌入工作记忆导致认知过载。随后前额叶皮层在压力下“宕机”最终的结果就是关掉应用陷入长达45分钟的无意识信息流滚动。工具本身没有错但它们是为另一种大脑架构设计的。2. 核心理念拆解CBT行为激活理论与AI的交叉点当我意识到传统工具的路走不通时我将目光投向了认知行为疗法CBT。CBT中有一个强大而朴素的原则行为激活。其核心思想是行动先于动机而非相反。你不需要等到“有感觉”了才去做事相反你应该先完成这个任务最小、最简单的版本由此产生的微小成就感和随之而来的微量多巴胺会降低你执行下一步行动的心理门槛。在临床实践中治疗师会与来访者坐在一起手动将令其畏惧的大型任务分解成小到足以绕过情绪阻力的步骤。这个过程需要极高的共情和技巧。于是一个想法自然浮现如果大型语言模型LLM能够模拟这种治疗性的任务分解过程呢这个问题的答案成为了我构建Thawly——一个基于AI的微步骤引擎——的起点。这不仅仅是另一个生产力工具而是一个旨在解决特定神经认知障碍的“认知无障碍”工具。2.1 为何通用任务分解对ADHD无效直接让GPT“分解任务”是行不通的。一个通用的分解指令会产生如下结果任务撰写季度报告研究数据创建大纲撰写初稿审阅与编辑提交对于ADHD大脑来说这个列表几乎和原始任务一样令人窒息。“研究数据”仍然是一个庞大、开放、定义模糊的怪兽。它没有提供任何关于“如何开始”的具体线索完美主义会立刻开始质疑“研究哪些数据”“从哪里开始研究”“研究到什么程度才算够”——认知冻结再次发生。因此必须为AI设计一套全新的、基于临床心理学原则的提示架构。2.2 构建提示架构的四大临床约束我基于CBT原则和ADHD神经科学为AI提示词工程设定了四条不可妥协的约束条件。这些约束是将一个普通LLM转化为“认知无障碍工具”的关键。约束一每一步不得超过2分钟。这不是一个随意的数字而是基于“最小可行多巴胺刺激”的阈值。如果一个步骤预计耗时超过2分钟ADHD大脑就有足够的时间在中途失去焦点焦虑感会重新积聚那堵“恐惧之墙”又会迅速重建。2分钟是一个心理上的安全区它向大脑承诺“这个你绝对能做到而且很快就能结束。”约束二步骤必须具体、可观察、具身体现。步骤必须描述客观的、物理性的动作而不是模糊的认知过程。“思考你需要什么数据”会失败因为它发生在颅内无法被观测和完成。“打开名为‘Q3数据’的电子表格滚动到A列”则会成功。这在CBT中被称为“行为具体化”它将内在的心理挣扎转化为一系列外在的、可执行的动作指令。约束三激活能量需递增。第一步必须是一个“零摩擦入口点”所需的意志力和能量趋近于零。例如不是“开始写报告”而是“在电脑上打开一个空白文档”。每一个后续的步骤可以略微增加一点点复杂度或所需精力就像CBT中的“分级任务分配”利用前一个微步骤完成所带来的动量像滚雪球一样推动行动。约束四杜绝任何完美主义触发词。步骤描述中绝不能包含任何暗示质量评判的词汇。“写一段精彩的引言”是灾难性的它会立刻触发完美主义瘫痪。“在文档顶部键入‘报告’两个字后面随便跟一个你想到的词”则是可行的。给予“做得糟糕”的许可在治疗上是至关重要的它剥离了任务的表现压力只保留行动本身。3. 系统实现从理论到可运行的微步骤引擎有了理论框架下一步就是将其转化为一个稳定、可用的产品。这涉及到提示工程的具体实现、技术栈的选择以及核心交互逻辑的设计。3.1 提示工程的具体实现与迭代最初的提示词版本相对简单只是机械地套用四条约束。但在实际测试中我发现AI常常会“作弊”。例如对于任务“整理房间”它可能生成“拿起一件衣服”作为2分钟步骤这符合约束但“一件衣服”这个数量词本身可能成为一个新的决策负担“哪一件”。因此提示词需要不断细化加入更多语境和排除条件。最终形成的系统提示词核心部分大致如下以概念性描述呈现你是一个基于认知行为疗法CBT原则的ADHD任务分解助手。你的唯一目标是将用户输入的任何任务分解为一系列极度具体、可立即执行的微步骤。请严格遵守以下规则微观性每个步骤必须是独立的、可在2分钟内完成的具体动作。如果原任务无法在2分钟内完成你必须将其拆解。外化与具体化步骤必须描述可观察的物理动作如点击、打开、键入、移动、说出禁止使用“思考”、“计划”、“决定”、“整理”除非进一步拆解等内在认知动词。零门槛启动第一步必须简单到几乎不需要意志力例如“将手机解锁”、“把手指放在键盘上”。无评判语言禁止使用“好的”、“正确的”、“完整的”、“仔细的”等质量形容词。使用“任何”、“随便一个”、“第一个”等降低标准的词汇。工具中立除非用户指定否则步骤应避免绑定特定应用如“打开Chrome”而是描述通用动作如“打开一个网页浏览器”。输出格式仅输出步骤列表使用数字编号。不要有任何引言、总结或额外解释。在实际工程中我们还会在用户输入前附加一些元指令例如“用户此刻可能感到 overwhelmed请以最大程度的温和与具体性进行分解”并将对话历史用户之前完成或放弃的步骤作为上下文喂给模型使其能动态调整后续步骤的粒度。3.2 技术栈与架构考量为了确保极致的响应速度和“零配置”体验技术选型上我们做了以下决定前端采用轻量级框架如Svelte或Preact目标是实现瞬时加载。应用必须是一个单页应用SPA避免页面刷新带来的流程中断。后端/API核心是一个轻量级的Node.js或Python服务主要职责是处理与LLM API如OpenAI GPT-4后为成本和控制力考虑部分迁移至Claude或经过微调的开源模型的通信。这里的关键是设计健壮的提示词模板管理和上下文会话管理。数据存储出于对用户隐私的极致尊重以及避免“罪恶感数据”如未完成记录的考虑我们选择了临时会话存储。步骤列表和进度仅保存在浏览器内存或临时会话缓存中页面关闭或一段时间不活动后即自动清除。坚决不存储任何长期任务历史、完成率或个人生产力数据。部署使用Serverless架构如Vercel、Netlify确保全球快速访问且无需用户关心服务器状态。注意关于模型选择的思考。初期我们直接使用GPT-4的Chat Completion API它的推理能力和对指令的遵循程度非常出色。但随着用户量增长成本和响应延迟成为问题。我们探索了两种路径一是使用更小、更快的模型如GPT-3.5-Turbo并通过更精细的提示工程和少量示例微调Few-shot Learning来逼近效果二是为最常见的任务类型如“回邮件”、“整理”、“支付账单”创建一套预定义的、符合CBT原则的微步骤模板库AI只需在模板基础上进行适配。后者显著提升了响应速度和一致性。4. 用户体验设计不制造新障碍的界面哲学构建AI分解引擎只解决了问题的一半。另一半是设计一个不会再次触发它本应解决的瘫痪状态的用户界面。这是产品成败的关键。4.1 “一次只看一步”的显示逻辑与所有主流效率工具背道而驰Thawly的界面只显示当前需要执行的一个步骤。没有清单视图没有待办事项列表没有进度条至少在核心流程中。这反直觉但对ADHD至关重要。每一个可见的待办项都会争夺有限的工作记忆带宽重新引发认知过载。我们的界面更像一个专注计时器或一个导航员只告诉你“现在请做这一件事”。只有当你点击“完成”后下一个步骤才会悄然出现。4.2 极致的“零配置”原则没有 onboarding 流程没有偏好设置没有工作区配置。打开网站或应用映入眼帘的就是一个简单的输入框“什么任务让你卡住了”。输入回车步骤立即开始。每一个设置屏幕都是一个决策点而每一个决策都会消耗本应用于执行任务的那点珍贵的多巴胺和意志力。我们将“ friction ”摩擦视为头号敌人并致力于将其降至无限接近于零。4.3 反游戏化摒弃 streaks 与罪恶感大多数习惯应用依赖游戏化机制连续打卡 streak、积分、排行榜。对于许多神经典型用户这很有效。但对于ADHD用户一个中断的 streak 带来的不是激励而是强烈的羞耻感和自我谴责——“我又失败了”。这种负面情绪会直接导致回避行为进而陷入“失败-羞耻-更想逃避”的恶性循环。因此我们彻底移除了所有追踪、评分和长期记录功能。你可以今天用三次然后忘记它一个月当你再回来时迎接你的依然是那个干净的输入框没有任何“红色失败徽章”在等待审判你。4.4 输入框设计的微妙之处甚至输入框的文案都经过精心设计。我们不用“请输入你的任务”太正式也不用“今天要做什么”有规划压力。最终采用的“什么任务让你卡住了”直接共情了用户当下的情绪状态并将工具的定位从“管理工具”转变为“救援工具”。同时我们允许并鼓励输入模糊、情绪化的描述如“处理我的一团糟生活”或“我动不了了”。AI经过训练能够从这种模糊性中解读出背后的情绪和常见障碍并从一个极低摩擦的物理动作开始例如“深呼吸一次然后说出你此刻看到的三个物体的颜色”。5. 实际应用中的发现与挑战在Thawly的实际使用和用户反馈收集中一些发现颠覆了我最初的假设也带来了新的挑战。5.1 出人意料的用户行为模式步骤数量远少于预期我们原以为用户需要完整的5-7步链条。但数据显示大多数用户只需要2-3个微步骤就能成功“破冰”启动他们自己的动力引擎然后脱离工具自行继续。AI生成的后续步骤更像一个安全网而非必须走完的路径。最棘手的任务并非最庞大的用户很少输入“写一本小说”或“创业”。他们输入最多的是“回复老板的短信”、“打开那封银行信件”、“把厨房台面上的碗洗了”。正是这些日常小事所承载的情感重量如对评判的恐惧、对坏消息的焦虑导致了最严重的瘫痪。工具的效用在于将这些情感负载重的“小怪物”进行无害化拆解。模糊输入优于精确输入正如前文所述“搞定我的税务”这种模糊输入往往比“填写1040表格的第三部分”能产生更有效、心理阻力更小的启动步骤。因为前者更真实地反映了用户被情绪淹没的状态AI可以绕过具体的技术细节先从建立控制感和行动感开始。5.2 遇到的技术与伦理挑战AI的“创造力”偏差有时AI为了生成“具体动作”会插入一些过于古怪或情境不相关的步骤例如对于“开始写论文”它可能建议“先跳三下鼓舞士气”。这需要通过在提示词中增加“步骤应具备常识性和职业相关性”的约束并通过反馈机制不断微调模型。对复杂、多分支任务的局限性对于需要多线决策的复杂项目如“策划一场婚礼”线性微步骤链条可能不够用。我们正在探索“步骤树”或“情境感知分解”的可能性即AI在用户完成某一步后根据结果提供几个简单的后续选项分支。依赖性与自主性的平衡一个核心的伦理问题是我们是否在创造一种新的依赖理想的工具应该像CBT治疗一样最终目标是让用户内化这种自我拆解的技能。因此我们在考虑未来版本中增加“学习模式”在提供步骤的同时温和地解释其背后的CBT原理“我将这个任务拆解得很小是为了降低启动压力你可以试试下次自己这样思考”。安全与责任边界我们必须非常谨慎地划定边界。工具不处理与严重心理健康危机相关的任务如自伤念头这类输入会触发预设的安全响应引导用户寻求专业帮助。所有内容生成都需遵守严格的内容安全政策。6. 未来展望AI作为认知无障碍工具的新范式构建Thawly的过程让我坚信我们正处在一个重要趋势的起点AI作为认知无障碍工具而不仅仅是生产力倍增器。当前的AI产品浪潮无论是GitHub Copilot、ChatGPT还是Notion AI主要服务于神经典型用户。它们放大已有的执行功能帮助你更高效地做你本来就能做的事。但对于那些因神经发育差异如ADHD、自闭症谱系、焦虑、抑郁或脑损伤而无法启动任务的人来说他们需要的不是“做得更多”而是“能够开始”。这是一个巨大而未充分开发的市场。这些用户不需要AI替他们写作或思考他们需要AI充当一个富有耐心、永不疲倦的“外部前额叶皮层”在意图与行动之间架起一座桥梁将令人望而生畏的整体分解成一个又一个2分钟内可管理的、具体的、无评判的微小动作。未来的方向可能包括多模态交互结合语音输入/输出让用户可以通过说话来启动和推进步骤进一步降低操作摩擦。情境感知与日历、邮件轻度集成在检测到用户对某个预定事件或未读邮件长时间没有行动时主动提供微步骤建议。个性化适应通过匿名化的使用模式分析不关联个人身份让AI逐渐学习对特定用户最有效的步骤风格和启动模式。临床整合探索作为治疗师辅助工具的可能性为接受CBT治疗的患者提供日常练习的支持。这个位于AI、临床心理学和包容性设计交叉点的领域依然广阔而开放。它要求开发者不仅具备技术能力更需要深厚的共情心和对人类认知多样性的理解。最终衡量这类工具成功的标准或许不是完成了多少任务而是帮助用户跨越了多少次“开始”的鸿沟重建了多少次对自身行动能力的信心。
