大家好，我是程序员鱼皮。
最近 GitHub 上有个项目涨势非常猛，短短一周涨了 1 万多个 Star，成功引起了我的注意。
项目的名字很有意思，叫 i-have-adhd，翻译过来就是「我有多动症」。
这是一个给 AI 工具安装的 Skill 技能，作用是让 AI 不再长篇大论地废话，每次回答都直奔主题，先给出你该执行的下一步操作，多步骤任务用编号列清楚。
之所以叫 ADHD，是因为 ADHD 人群的工作记忆比较有限，面对大段文字很容易走神，这种「先说结论、直给行动」的输出方式对他们来说更友好。
虽然名字叫 ADHD，但并不是只有 ADHD 人群才能用。任何希望 AI 回答更简洁高效的人，都可以试试。而且理论上因为输出变简洁了，每次对话消耗的 tokens 也会相应减少，长期用下来能省不少钱。
那这个技能到底效果怎么样？真的能省钱么？能省多少？会不会因为输出太精简，反而影响了任务的完成质量？
下面我分别用 Cursor 和 ZCode 做了实测，带大家看看到底能省多少。
怎么安装？
安装方式非常简单，直接让 AI 帮你装。
随便打开一个支持加载技能的 AI 工具，把下面这段提示词复制粘贴到对话框中，发给 AI 就行：
Install the i-have-adhd skill/plugin from https://github.com/ayghri/i-have-adhd, refer to the repo's AGENTS.md for instructions.
比如我在 Cursor 里执行这段提示词：
AI 会自动去读取 GitHub 仓库的安装说明，然后帮你完成安装。
安装完成后，技能文件会存放在电脑的 ~/.agents/skills 目录下，这个路径是主流 AI 工具都能扫描到的通用技能目录：
之后在对话时输入斜杠命令 /i-have-adhd 就可以激活这个技能了：
Skill 装好了，接下来就该验证效果了。
实测对比
我设计了两类测试任务，一类是日常技术问答，看看回答知识类问题时能省多少；另一类是从零开发一个复杂的 3D 互动页面，看看写代码的场景下 Skill 的效果和质量会怎样。
1、日常技术问答
我先用 Cursor + Claude Opus 5 这个顶级模型的组合来测试，问了一个 AI 领域大家都听说过的概念：
请深入讲解 AI 领域的 Harness Engineering 是什么？包括它的核心概念、和传统 Prompt Engineering 的区别、实际应用场景，以及目前主流的最佳实践。
看看下面这张图的测试结果，左边没有开启 ADHD 技能，右边开启了。可以看到对话消耗的 tokens 从 48.7K 直接降到了 27.5K，减少了将近一半！
再看看回答的内容风格。左边没开 ADHD 技能的时候，AI 先是搜了一圈资料，然后洋洋洒洒地分了好几个章节来展开讲，篇幅很长。
右边开了技能之后，AI 的回答明显更直接，上来就给出核心定义，然后用编号列出可执行的最佳实践，按落地成本从低到高排序，用户读完立刻就知道该干什么。
有点像你跟 AI 说「别绕弯子，直接告诉我怎么做」，效果确实不错。
按 Claude Opus 5 的输出价格来算，单次对话大概能省几毛到一块钱，如果你每天跟 AI 聊几十上百轮，累积下来就是一笔可观的开支了。
这么看来，日常问答使用这个技能是可以省钱的。但 AI 编程的核心场景是写代码，如果是更复杂的开发任务，效果又会怎么样呢？质量会不会打折扣？
2、开发 3D 互动页面
这次我让 AI 从零开发一个《清明上河图》的 3D 互动展示页面：
帮我开发一个完整的清明上河图 3D 互动展示页面。要求：页面加载后呈现一幅可以横向浏览的长卷画面，具有 3D 景深效果，让用户仿佛身临其境地走进画中世界。用户可以通过鼠标拖拽或滚轮左右浏览，鼠标悬停到画中的建筑或人物区域时，会出现高亮效果和简介弹窗。请直接给出完整的可运行代码。
先看 Cursor + Claude Opus 5 的对比。下图的左边没开技能，工作了 37 分钟，总共消耗了约 242.8K tokens；右边开了 ADHD 技能后，只用了不到 14 分钟，tokens 降到了 178.9K。
**时间快了将近两倍，tokens 省了 26%**。
不过光看数据还不够，得看实际效果。先看没开 ADHD 技能的版本，整体的古画意境还不错，有虹桥、有行人、有河面，悬停弹窗也做了出来：
再看开了 ADHD 技能的版本。整体布局和交互也都实现了，不过从细节上来看，我觉得还是没开技能的时候更好一些。
比如你仔细看，右侧有些人物直接站在了水面上，而且人物配色花花绿绿的，有点破坏整体的水墨意境（我瞎说的）：
不过说实话，两个版本的效果都只能算一般…… 毕竟这提示词是我瞎七八写的。
刚才用的是顶级模型，模型能力越强，越容易把简单的事情搞复杂。接下来换一个更轻量的工具 ZCode + GLM Flash 模型来看看效果。
下面是 ZCode 的对比图，左边无 ADHD 用了约 15.2 万 tokens、36 分钟，右边有 ADHD 用了约 14 万 tokens、34 分钟。GLM Flash 本身就比较精简，所以开不开技能的差距没那么大：
再对比下成品效果，先看看没开技能的成品，桥面和河船都渲染出来了，整体还行，但背景比较单调：
再看开了 ADHD 技能的效果，差别就比较明显了。桥面和行人倒是有了，但你注意看画面底部，怎么还出现了几个巨人？这一看就知道是渲染层级出了问题：
综合来看，ADHD 技能确实能有效减少 AI 的输出量、节省 tokens 和响应时间，在日常问答和简单任务上效果很明显。但在复杂的开发任务中，它有可能因为过度压缩输出而影响代码质量。所以我的建议是，日常问答和代码片段类的场景可以开启这个技能，遇到需要 AI 仔细思考的复杂项目时，就不要用它了。
这个技能是怎么实现的？
看完测评效果，你可能会好奇这个技能到底做了什么？
其实原理非常简单！
整个技能的核心就是一份 提示词文件 SKILL.md，里面定义了 10 条输出规则，AI 在回答时会遵循这些规则来调整自己的表达方式。
这 10 条规则可以简单总结为：
- 先说下一步行动，不铺垫背景，直接告诉用户该做什么。
- 多步骤任务用编号，每一步只做一件事。
- 以一个具体的下一步收尾，而不是「有问题随时问我」这种空话。
- 抑制离题内容，有其他问题就单独提出，不要在当前回答里夹带。
- 每轮对话重述当前状态，比如「第 3 步完成，共 5 步」，帮用户保持进度感知。
- 给出具体的时间估计，用分钟来衡量，不说「一会儿」这种模糊表达。
- 让完成的工作看得见，明确说出「登录功能已经可以用了」，不说「做了一些调整」。
- 就事论事地报告错误，直接说原因和修复方法，不用「哎呀出问题了」的语气。
- 每个列表最多展示 5 项，信息太多时先分组，优先展示最相关的。
- 不写开场白、回顾和结束语，禁止套话。
ADHD 人群的核心困难在于工作记忆容量有限、启动行动的门槛高、对时间的感知比较模糊，这套规则刚好针对这些痛点逐一给出了应对方案。而对非 ADHD 用户来说，这些规则同样有效，毕竟没有人喜欢 AI 在回答里夹带一堆废话。
最后哔哔
这个项目最让我有感触的一点，是作者把一个特定人群在阅读和执行上的真实困难，转化成了一份所有人都能受益的技术方案。好的产品往往就是这样，从关注少数人的真实需求出发，最终让更多人受益。
如果你也天天在用 AI 编程工具，不妨装上试试，也许你会发现 AI 的回答早就该这么简洁了。
OK 就分享到这里，这篇文章我也会收录到我的开源教程 《AI 编程零基础入门教程》 中。上千张图、几十万字，从 0 开始带你学会 AI 编程，做出自己的产品、跑通变现全流程，感兴趣的同学可以看看。
我是鱼皮，持续分享 AI 编程干货。觉得有用的话记得点赞收藏和关注~
