打破启动魔咒：一个丈夫为妻子微调的ADHD AI助手

起因：那个站在衣服堆前的妻子

大多数ADHD工具以为你需要更多待办事项、提醒、打卡。但作者观察到妻子面对一堆衣服，知道该做什么，却动弹不得——这不是懒，是“启动瘫痪”。现有的AI助手给出的仍然是“待办列表”，哪怕语气再共情，也是一堵文字墙，反而加剧窒息感。所以作者决定微调一个模型，不做plan，给spark。

拆解：NeuroBait到底怎么工作？

它不诊断，不说教，不讲理论。当你在对话中卡住时，它会读取出你真正在意的东西——一个真实的截止日期、一个你爱的人或事，然后用3到6句温暖、自然的话回应。它会说：“从衣服堆里抽出一件就行。仅仅一件。”没有内疚，没有说教，把用户当作积极的英雄，而不是病人。

技术栈：基于google/gemma-3-12b-it，使用16-bit LoRA（非QLoRA）微调，参数r=16, alpha=16，训练3个epoch。数据是自己手工整理的、基于真实ADHD摩擦的合成数据。重要教训：对于塑造一种“声音”，数据集的质量远比模型大小重要。部署在Hugging Face Space，使用4-bit量化加载基础模型，再应用LoRA适配器，成本低廉。

趋势洞察：AI心理健康的下一个范式

这件事揭示了一层更大的趋势：AI在心理健康领域的应用，正从“通用大脑”转向“细分灵魂”。以往我们追求大而全的模型，但在处理像ADHD这样高度个体化的神经多样性问题时，一个理解特定痛点的小模型，可能比通用模型有效得多。更重要的是，AI的角色从“管理工具”变成了“情感触发器”——不是帮人把任务列清楚，而是直接点燃多巴胺，让行动变得可能。这背后是对“行为改变”理论的重新思考：有时候，人不需要知道更多，只需要感觉能开始。

实用价值：给开发者、用户和ADHD社区的启发

如果你正在为某类特定用户构建AI，神经多样、心理支持或任何需要“共情”场景，不要只依赖大模型zero-shot。花时间观察真实摩擦，收集小型高质量数据，微调出一个有“温度”的模型。LoRA给了我们低成本实验的可能。对于ADHD个体，NeuroBait这类工具提示我们：对抗拖延，不是靠意志力，而是靠设计一个极低门槛的开始。对于AI行业，它证明了情感计算的精准度可以来自小数据，关键是理解场景的“心流”。

反常识/意外：为什么待办列表是最糟糕的解决方案？

你以为给大脑清晰的任务就是帮助，但对ADHD来说，选项就是负担。神经科学告诉我们，他们的执行功能失调让决策极度耗能，所以越是结构化，越可能瘫痪。NeuroBait反其道而行：它消灭了选择，直接给出一个微小、具体、甚至看似无意义的动作。这反而让大脑释放多巴胺，因为“我能做到”的预期出现了。这不是“效率工具”，而是“行动催化剂”。

作者用爱和观察打造了一个微小但有力的工具，让我们看到AI最打动人的一面：不是比人类更聪明，而是比人类更懂什么时候别那么聪明。

原文地址: NeuroBait: I fine-tuned a model to spark dopamine for ADHD brain