一周狂涨 1 万 Star 的「i-have-adhd」多动症skill，真能省 token 和时间吗？

最近 GitHub 上有个项目涨势非常猛，短短一段时间冲到 5 万多 Star，单日新增一度霸榜 Trending。项目名字很有意思，叫 i-have-adhd——翻译过来就是「我有多动症」。

它是一个给 AI 工具安装的 Skill（技能），作用是让 AI 不再长篇大论地废话：每次回答直奔主题，第一句就给出你该执行的下一步操作，多步骤任务用编号列清楚，结尾没有「希望对你有帮助」。

之所以叫 ADHD，是因为 ADHD 人群的工作记忆比较有限，面对大段文字容易走神，「先说结论、直给行动」的输出方式对他们更友好。但名字归名字，任何希望 AI 回答更简洁高效的人都能用。而且理论上输出变简洁了，每次对话消耗的 tokens 也会相应减少，长期下来能省不少钱。

问题来了：到底能省多少？省的是废话还是干货？质量会不会打折扣？

光看 README 没用，我直接把技能装到本机，设计了两组对照实验，用 tiktoken 把两边的输出 tokens 一个个数了出来。下面是全过程和真实数据。

怎么安装？

安装方式非常简单，甚至不需要自己动手——让 AI 帮你装。打开任意一个支持加载技能的 AI 工具（Cursor、Claude Code、ZCode 等），把这段提示词发给它：

Install the i-have-adhd skill/plugin from https://github.com/ayghri/i-have-adhd, refer to the repo's AGENTS.md for instructions.

AI 会自己去读仓库里的安装说明并完成安装。装完后，技能文件会落在 ~/.agents/skills 这个主流 AI 工具都会扫描的通用技能目录下。下图是我本机的真实安装结果——SKILL.md 只有 7,207 字节、142 行，整个项目一行代码都没有，全是提示词规则：

之后在对话里输入斜杠命令 /i-have-adhd 就能激活；想每次都默认开启，各工具也都有常驻配置（比如 Claude Code 是 touch ~/.claude/.i-have-adhd-always）。

实测设计

我设计了两类任务：

日常技术问答——知识型问题，废话重灾区，理论上省得最多

从零写代码——一个单文件 HTML 贪吃蛇小游戏，看写代码场景下还能不能省、质量会不会降

测试环境说明：WorkBuddy（Kimi-K3 模型），同一提示词分别生成「无技能」和「开启 i-have-adhd 规则」两版回答，用 tiktoken（cl100k_base）逐字统计输出侧 tokens。代码任务中两版使用完全相同的代码本体，确保对比公平。

实测 ①：日常技术问答

提示词：

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。

结果直接看图：

左边没开技能：先是「Great question！」开场，然后「让我先来梳理一下来龙去脉」，洋洋洒洒四个章节，结尾还有一段「希望对你有帮助，欢迎继续问我」。输出 1,326 tokens。

右边开了技能：第一句就是一句话定义，然后是编号的最佳实践清单（还贴心地按落地成本从低到高排了序），最后以一个具体的下一步收尾。输出 444 tokens。

1,326 → 444，省了 66.5%。

而且仔细看内容质量：定义、区别、场景、最佳实践，提问里要求的四个点一个不少，全都在。被砍掉的是什么呢？开场白、过渡句、打比方的段落、结尾客套——全是「读的时候觉得挺流畅，删掉了也发现根本没注意」的那类文字。

按主流模型的输出定价折算（每百万输出 tokens 几元到几十元不等），单轮省约 880 tokens 看着不多，但如果你每天跟 AI 对话几十上百轮，一个月下来就是几百万 tokens 的差距，足够把一杯咖啡钱变成一顿饭钱。

实测 ②：从零写一个贪吃蛇小游戏

问答场景省得多，在预料之中——文字越多废话越多。但 AI 工具的核心场景是写代码，代码场景里还省吗？质量会不会崩？

提示词：

帮我写一个单文件 HTML 贪吃蛇小游戏。要求：方向键控制移动，吃到食物加分并加速，撞墙或撞到自己游戏结束，结束后可按空格重新开始。请直接给出完整的可运行代码。

数据：1,828 → 1,205 tokens，省了 34.1%。没有问答场景那么夸张，但依然可观。

不过这次测试真正有意思的发现藏在结构里。把输出拆开看：

代码本体：两边完全一致，都是 1,005 tokens，一行不少

解释性文字：823 → 200 tokens，砍掉了 75.7%

也就是说，这个技能在代码场景里省的不是代码，是代码周围的废话——「设计思路」讲解、「使用说明」、「可以扩展的方向」、「希望对你有帮助」这些。代码本身该多少还是多少。

那质量呢？我把产出的代码做了校验：JS 语法检查通过，保存为 HTML 后浏览器直接打开可玩，需求里的方向键控制、吃食加速、撞墙/撞自己结束、空格重开、禁止 180 度掉头全部实现。至少在单文件、单轮完成的代码任务上，输出压缩没有伤及交付物本身。

数据汇总

一句话总结数据：问答类任务省 66.5%，代码类任务省 34.1%，且代码任务省的全部是解释文字而非代码本身。

这个技能到底做了什么？

原理简单到出人意料：整个技能就是一份 142 行的 SKILL.md 提示词文件，里面定义了 10 条输出规则：

第一句必须是可执行的动作——不是背景，不是计划，是动作

多步任务必须编号，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」

抑制离题——发现其他问题，单独提出，不夹带

每轮重述进度——「第 3 步完成，共 5 步」，进度外化

时间估算用具体单位——说「15 分钟」，不说「一会儿」

让成果可见——「登录功能现在能用了」，不说「做了一些调整」

报错就事论事——位置 + 原因 + 修复，禁用「哎呀」「好像」

列表最多 5 项一组，多了先分组

无开场白、无回顾、无结束客套

规则背后还有一层设计依据：作者从 ADHD 认知科学里提炼了 5 条事实（工作记忆小、知道≠做到、启动最难、时间感模糊、多巴胺稀缺），每条规则都是这些事实的推导结果——所以它跟网上那些拍脑袋的「去 AI 味」提示词不太一样，每一条都有出处。

文件末尾还有个很妙的「发送前自检」：如果读者只读第一句和最后一句，能不能知道 (a) 下一步做什么、(b) 刚才发生了什么？能，才发。

我的使用建议：别一直开着

测完之后，我的结论比「好用，快装」要更具体一些：

建议开启的场景：日常技术问答、代码片段生成、报错排查、命令查询——这些场景里你要的就是答案本身，解释文字纯属浪费。

建议关闭的场景：

学习模式。如果你是新手，那些「设计思路」「扩展方向」的讲解不是废话，是你最需要的东西。技能规则里其实留了口子——你明确说「给我解释」「walk me through」，它会照常展开讲

复杂的多轮项目开发。有同行的实测（Cursor + 顶级模型开发复杂 3D 页面）发现，多轮长任务里过度压缩输出，有可能砍掉的不只是废话，还有 AI 的思考过程，最终交付质量会打折扣

架构讨论、方案权衡。这类对话的价值恰恰在「过程」里，压缩成结论反而损失了信息

好在开关成本极低：/i-have-adhd 开，说「stop adhd mode」就关，按场景随时切。

最后

143 行 Markdown，没有一行代码，冲上几万个 Star。它戳中的痛点很朴素：我们不是嫌 AI 不聪明，是嫌 AI 话太多。

我的实测数据放在这里：问答省 66.5%，写代码省 34.1%，代码质量在单轮任务里没有损失。这个数字在不同模型、不同任务上会有浮动——本来就话少的模型，提升空间自然小；本来就能写的模型，省的会更多。建议你也装一个，跑两轮自己的真实任务对比一下，数据不会骗人。

毕竟在这个按 token 计费的时代，让 AI 闭嘴，就是省钱。