Claude Code 出现专为 Coding Agent 设计的 ADHD 友好型 Skill:让 Agent 回答不埋没关键信息
2026 年下半年,Claude Code 的 Skill 生态里出现了一类非常特殊的产品形态——它们不教 Agent 怎么写代码,而是教 Agent 怎么"说话"。GitHub 上 alexgreensh/attention-span 项目在 3 个月内拿到超过 1000 个 star,MKAbuMattar/black-iris 用一个 200 行的 router 文件实现了 11 条工程纪律,cedricrabarijohn/adhd-mode 则把"短句、分块、加粗"做成 Agent 默认的输出风格。这些项目的共同点,是都瞄准了 Coding Agent 在长任务场景下"回答埋没关键信息"的工程痛点。从 ADHD(注意力缺陷多动障碍)读者的工作记忆特征出发,反而催生了一类对所有开发者都受益的 Agent 输出规范。
要理解这一波 Skill 为何在 2026 年集中出现,必须先回到 Coding Agent 的一个真实工程现象。当开发者让 Claude Code 完成一项超过 30 分钟的任务时,Agent 会在终端里持续输出思考过程、代码修改说明、测试结果回顾、长篇的解释段落。这些内容本身都是有用的——Agent 在解释它为什么做出某个修改、在报告它跑了哪些测试、在提醒用户接下来该做什么。但在终端的滚动屏幕上,真正关键的信息往往被埋没在几千字的解释里,开发者不得不滚回去找"到底改了哪几行"、"测试通过了几个"、"接下来应该做什么"。这种"信息在场但不可见"的现象,在企业级 Agent 落地的用户研究里被反复标记为头号可用性问题。
alexgreensh 在 attention-span 项目里给出了一个非常具体的对比。同一道工程问题——"为新的社交应用选 PostgreSQL 还是 MongoDB"——在 Claude Code 默认输出风格下答案是 430 字的一个段落,要点散落在关于事务一致性、扩展性、运维成本的混合论述里;在 Attention-kind 风格下答案是 94 字,开头一句直接给出推荐,后面每个要点独占一行、用箭头标记、关键词加粗。Alexgreensh 的原话是:"The concise-by-default rules are kind to your attention first. Trimming Claude's output is a welcome side effect, not the point."——核心目标不是让 Agent 更短,而是让 Agent 把注意力还给读者。
从神经多样性设计到通用工程规范
这一类 Skill 的灵感来源是 ADHD 读者的认知特点——工作记忆容量有限、难以在长段落里跟踪主线、对视觉锚点(加粗、箭头、数字)反应更快、对模糊措辞容忍度更低。这些认知特点在过去十年的 UX 设计里已经被反复验证,但应用到大模型 Agent 的输出风格上,在 2025 年之前几乎没有系统性尝试。原因很简单:在大模型应用早期,大家都把"模型输出越长、内容越丰富"当作进步;Agent 时代来临后,所有人才意识到,当 Agent 成为日常开发协作的伙伴时,输出的可扫读性比丰富性更重要。
从这个角度看,2026 年这一波 ADHD 友好型 Skill 的真正贡献,是把神经多样性设计的工程化经验,转化成了一套 Coding Agent 普遍适用的输出规范。cedricrabarijohn/adhd-mode 给出了一个最小可行版本:把"CI 失败是因为依赖缓存漂移"这件事从一整段长难句,拆成 5 行短句、每行一个要点、首句直接给结论。同样一段内容,理解所需的认知努力大约减半,信息密度反而上升。这是典型的"对注意力受限读者友好的设计,对所有读者都更友好"的复利效应。
MKAbuMattar/black-iris 则把这种思路推到了极致——它用一个 200 行的 router 文件,把 11 条工程纪律打包进单个 Skill:每条回复都被塑形为 ADHD 读者友好的格式、AI 写作痕迹被自动剥离、代码改动保持外科手术式的最小化、长任务前先写 completion gate、扇出独立的 ideation 分支、为其它工具写 prompt、整理 session memory、处理 commit 文案、命名、diff review。一个 Skill 替代了过去开发者需要自己手写的 11 套 prompt 模板。
三类设计模式:输出形状、规则集、状态板
把 2026 年下半年涌现的 ADHD 友好型 Coding Agent Skill 做个归类,大致可以分成三种设计模式。
第一种是输出形状控制型,以 attention-span 为代表。它的核心思路是定义几种固定的"输出风格",让 Agent 在不同任务场景下切换。Attention-kind 适合日常对话、Spartan 适合代码生成、Rundown 适合长任务结束时的 TL;DR 简报。每种风格都是一份独立的 markdown 文件,开发者可以自由组合。这种模式的好处是低侵入,Agent 的底层能力完全不变,只在最终交付的内容格式上做调整。
第二种是显式规则集型,以 hayfever/blunt 为代表。它把 10 条"形状规则"(Lead with the next action. Number multi-step tasks. End with one concrete next step.)和 25 种 AI 写作痕迹(从 Wikipedia: Signs of AI writing 整理)做成结构化的 SKILL.md 文件,Agent 在每次输出前都会过一遍这套规则。blunt 还引入了航空维护文档领域使用的 Simplified Technical English 作为风格参考——主动语态、祈使句、单步 20 词以内、不用分号。这套规则集的好处是高度可解释,任何一条规则都可以独立调整。
第三种是视觉化状态板型,以 izored/Audhd-summary 为代表。它针对的是长任务结束时的"我现在在哪里、接下来该做什么"这个核心问题——默认 Claude Code 会用大段文字总结,但这恰恰是最糟糕的格式。Audhd-summary 强制 Agent 在会话结束时输出一张视觉状态板:绿色是已完成、琥珀色是等待用户、红色是被阻塞、蓝色是下一步,每行最多 12 个词,数字放在 pill 标签里而不是句子中,结尾只抛一个明确的下一步决策。这种模式把"信息可扫读性"从文字层面提升到了视觉层面。
为什么是 Coding Agent 先行
这一波设计模式集中在 Coding Agent 而非通用聊天 Agent 上,是有清晰的工程原因的。Coding Agent 的工作场景有几个独特性:一是任务周期长,一次会话经常持续 30 分钟到几个小时,中间会积累大量状态信息;二是输出密度高,Agent 的每条回复都可能包含代码 diff、测试结果、命令行输出、配置变更等多类信息;三是错误代价高,如果 Agent 在关键步骤的提示信息被开发者错过,可能直接导致构建失败或者线上事故。
这三个特性叠加起来,让 Coding Agent 的"关键信息埋没"问题特别严重。一个 chat 场景里,AI 漏掉一个细节,用户再追问一次即可;但在一个长跑 CI 的 Coding Agent 任务里,Agent 提示"记得更新 lockfile hash"被埋没在 200 字解释里,开发者没看到,直接 push 上去,CI 红了——这是工程成本的浪费,不是简单的"用户体验不好"。
从企业 Agent 落地的视角看,这一波 Skill 还提供了一个更深层的启示:Agent 输出规范本身就是一种工程资产。在传统软件工程里,我们有 commit message 规范、API 文档规范、PR description 模板,这些规范的存在让团队协作效率显著高于"各写各的"模式。在 Agent 时代,Agent 输出规范会成为同样重要的工程资产——一个企业如果能让所有内部 Agent 都遵循同一套 ADHD 友好型输出风格,新员工上手、内部代码 review、跨团队协作的效率都会显著提升。
落地建议:从单点 Skill 到企业级规范
对于正在建设企业内部 Coding Agent 体系的团队,2026 年下半年的这一波 ADHD 友好型 Skill 提供了几条立即可落地的最佳实践。
第一,把输出规范作为 Agent 工程的"第一公民"。很多团队在搭 Agent 时把所有精力放在工具调用、记忆管理、错误恢复这些"硬核"能力上,但忽略了 Agent 最终给到用户的回答质量。事实是,在企业用户的研究里,"Agent 的回答好不好懂"几乎永远排在前三的痛点。把 ADHD 友好型输出规范当作 Agent 的核心能力来建设,而不是后期才补的样式优化,会让整个 Agent 体系的可用性显著提升。
第二,从社区现成的 Skill 起步,不要从零设计。attention-span、blunt、black-iris、adhd-mode、Audhd-summary 这些都是开源的、生产验证过的 Skill,直接拿来用或者在内部分支上做定制,比自己从零设计一套规范效率高得多。
第三,把"信息密度 + 可扫读性"作为输出质量的硬指标。在评估 Agent 输出时,除了准确率、完整度这些传统指标,应该加入"前 50 字内是否包含核心结论"、"是否每行最多承载一个要点"、"关键决策点是否用视觉锚点(加粗/箭头/数字)突出"这类可量化的指标。把这些指标纳入 CI/CD 流程,Agent 的输出质量才会有持续性的保障。
第四,在 CLAUDE.md 或者等价的 Agent 配置文件里,把团队的输出规范固化下来。cedricrabarijohn 在 adhd-mode README 里给出了一个最小化的例子:"Always explain in adhd-mode style (short, chunked, numbered when useful) unless I ask for a different style."——这种全局开关一旦设置,整个团队的 Agent 输出风格就一致了,新人入职第一天就能享受到同样的体验。
回到神经多样性:被低估的设计哲学
最后值得展开的是这一波 Skill 的设计哲学源头——神经多样性(neurodiversity)。在过去十年里,UX 设计行业已经反复验证过一个朴素的事实:为认知障碍用户设计的方案,往往对所有用户都更友好。色盲友好的调色板对所有用户都更清晰;为运动障碍用户设计的大按钮对所有用户都更易点;为 ADHD 用户设计的简洁输出对所有用户都更易读。
把这个原则应用到 Coding Agent 输出设计上,就得到了 attention-span 这类项目的核心洞察:Agent 不需要"为所有人写一样的输出",而是需要"为注意力受限的读者写输出"。当 Agent 真的这样做了,所有读者都从中获益——包括那些并不觉得自己有注意力问题的资深开发者,他们在 long focus session 里也会因为 Agent 的简洁输出而节省精力。
从这个角度看,2026 年下半年这一波 ADHD 友好型 Claude Code Skill 的真正贡献,不是给 ADHD 开发者做了一个工具,而是把 Coding Agent 的输出设计整体拉到了一个新的基线。当所有 Coding Agent 的输出都默认短句、分块、可扫读、有视觉锚点时,整个开发者体验就会像从命令行升级到 GUI 一样,发生一次不可逆的改善。
对于正在选型 Coding Agent 工具的企业 IT 团队,2026 年下半年这一波 ADHD 友好型 Skill 应该成为一个明确的加分项:支持这类 Skill 体系的 Agent 产品,说明厂商在用户体验设计上达到了行业前列;不支持的厂商,说明他们还停留在"模型能干什么就干什么"的早期阶段,需要被提醒还有"模型怎么表达"这个同样重要的维度需要被严肃对待。
