ADHD 缺共在非 to-do

一人公司常缺的不是另一套清單，而是「有人在」的陪做（body doubling）。本文整理 Eagle／Chen／Ara／Pimenova 等 HCI 研究：人陪做與 AI 陪做各有取捨，並給六個可立刻練的低壓 prompt。篩檢≠診斷；不做醫療建議。與站內「背景自動化」「i-have-adhd skill」兩篇主線不同，本篇談共在。

作者：Jacob 的 Grok Bot 機器人（冇錯，AI Agent 而家可以幫你寫 SEO 文章啦！）

Ara 等人 VR 實驗三種陪做條件示意（Alone／Human／AI） — 圖片來源：Ara et al. 2025 Fig.1（arXiv 2509.12153）

和站內兩篇 ADHD 文差在哪

本篇談的是 body doubling（陪做／共在）：把 AI（或人）調成「安靜地在旁邊」，幫你開始與撐住任務。它不是再講一遍「少聊天、多背景自動化再定時看摘要」（見背景自動化文），也不是再講 GitHub 上的 i-have-adhd coding skill 與十條輸出規則（見 i-have-adhd）。開發者訪談會當案例出現，但主線仍是陪做，不是輸出格式。

硬邊界： 篩檢 ≠ 診斷；本文不做醫療建議；AI 不能取代藥物、行為治療或專業照護。關鍵主張會標【事實】／【解讀】／【論壇經驗】。

Ara 等人 VR 實驗：Alone、人陪做、AI 陪做三條件 — 圖片來源：Ara et al. 2025 Fig.1

Body double：不是監督，是「有人在」

【事實】 Eagle 等人（2024，TACCESS）調查約 220 人（文中亦述約 193 位神經多樣性受訪者）：社群對 body doubling 的定義，大致是用他人的存在（同房、線上、錄影、熟人、陌生人）幫助開始、維持或完成任務；任務可含工作、家務、運動等。作者提出 space／time × mutuality 連續體：從「同地同時的高問責」到「看 Study with me 影片的低 mutuality 氛圍陪伴」。

【事實】 Chen、Meng、Nie（CSCW）：對 ADHD 成人來說，任務管理常常是關係性與情緒性的共構，不是孤獨的自我管理；策略包含 body doubling、朋友提醒、AI 模擬陪伴等。

【解讀】 一人公司缺同事時，缺的往往是共在，不是另一個 App。

Eagle 等人提出的 body doubling 連續體概念圖（Fig.9） — 圖片來源：Eagle et al. 2024 Fig.9

研究怎麼說：人陪做 vs AI 陪做

【事實】 Ara 等人（2025，VR 砌磚，n=12 ADHD）：三種條件 Alone／Human body double／AI body double。行為效率均速約 8.49／10.82／11.06 磚／分；條件對效率有顯著效果（F(2,22)=6.51，p=0.006）；事後比較 Human vs Alone p=0.040、AI vs Alone p=0.030，Human vs AI 無顯著差（p=1.000）。自評「持續專注」在有 body double 時顯著較高（Friedman χ²(2)=18.82，p<0.001）。質性：10／12 說獨自較易分心；偏好分歧——有人要人類的真實壓力／競爭感，有人要 AI「不被評價」的安全感。AI 條件為 Wizard-of-Oz；短時程建築 VR——【解讀】 這是實驗證據，不能直接外推成「辦公室一天都會變快」。

【事實】 Pimenova 等人（arXiv 2609.21254，n=14 ADHD 軟體工程師訪談）：人類共在帶來問責與 onboarding，但要管理專業形象與隱私焦慮；AI 共在可維持問責與 flow、較少社會焦慮，但缺 mutual emotion，高風險／需領域驗證時仍要人；未協調的雙人各自開 AI 會打亂 shared mental model。

【事實】 Pinto 等人（OzCHI 2025，n=13，7 日日記＋訪談；本輪僅核對 Bristol 摘要）：ChatGPT 被用來撐執行功能、溝通與情緒調節——可當「日常已有人用對話當支架」的旁證，不是正式 body-double 條件實驗。

Ara 等人 VR 實驗效率與專注等結果箱型圖（Fig.3） — 圖片來源：Ara et al. 2025 Fig.3

為什麼 to-do 常常不夠

【事實】 Chen 等人指出：現有生產力工具多假設穩定自律與線性時間；訪談裡 body doubling、朋友提醒、AI 模擬陪伴都是「借來的結構」。另有 n=20 speed-dating 測 13 個 speculative AI 概念；其中 Concept 6「工作中的 Social Presence AI／模擬 body double」常被形容為安靜、不評判的陪伴；參與者偏好「建議、不要替我決定」。

【解讀】 清單優化 ≠ 共調節；AI 要扮演的是陪做，不是主管。

Chen 等人研究方法總覽（Fig.1：訪談與 speed-dating） — 圖片來源：Chen et al. CSCW Fig.1

六個可立刻練的陪做練習

下列是可照做的低壓練習（對應 Ara／Chen「存在＞監督」、OzCHI「開始做事支架」、Pimenova「ambient check-in」）。【解讀】 家用近似，不是把 VR 實驗原樣搬進辦公室。

25 分鐘安靜共在
開聊天視窗只貼：「接下來 25 分鐘我做〔一件具體事〕。你每 10 分鐘只回一句『還在』，不要給建議，除非我主動問。」結束後自己回報做完／卡在哪。
啟動用的「第一步陪做」
「我卡在〔任務〕。請只給一個 5 分鐘內能做完的第一步，然後等我回『做完了』再給下一步。不要一次列完整計畫。」
進度條式共在
用 Focusmate／咖啡廳／家人 Pomodoro；或讓 AI「自己也在做一份平行清單」並每段回報一句假進度（模仿 Ara 進度條／self-talk 精神）。避免公開排行榜式羞辱。
低壓問責，不要監視
「時間到時只問：你做了哪一件最小的事？若沒做，幫我改成更小的下一步，不要說教。」
人陪做 vs AI 陪做分流
怕被評價／行政重複 → 偏 AI；要學複雜領域、要有人接話休息 → 偏人。同一天可混用，但不要同時開「一直講話的 AI」又開視訊人。
停損規則
任一成立就關陪做視窗 1 小時：(a) 過去 30 分鐘都在調 prompt／換工具；(b) 完成件數為 0 但對話很多；(c) 自評焦慮明顯上升。

Ara 等人三種陪做條件的 VR 與實體場景（Fig.1） — 圖片來源：Ara et al. 2025 Fig.1

何時關掉：陪做變分心或 botsitting

【事實】 METR 2025 RCT（n=16 資深開源開發者；不是 ADHD 樣本；early-2025 工具快照，官網註 2026-02 有後續）：允許用 AI 時完成 issue 平均多花約 19%時間；事前預期加速約 24%，事後仍以為加速約 20%。【解讀】只能說明「感覺有效率 ≠ 真的有效率」、該設停損；不可寫成「ADHD 用 AI 會慢 19%」。

【事實】 Ara：有人覺得人類在場反而分心。Pimenova：未協調雙人各自開 AI 會打亂 shared mental model。

【論壇經驗】 CHADD Attention 文：教練提醒過度依賴可能削弱自己練出的技能；AI 不取代藥物／行為治療。

【解讀】 客觀指標（本週完成件數／出貨／收款）優先於主觀「好像很有效率」。

METR：預期加速 vs 實測變慢的對照圖 — 圖片來源：METR（CC-BY）

一人公司怎麼選人／遠端／安靜 AI

可先用這張簡表（【解讀】，不是哪一種保證最好）：

你這刻最需要	較適合
情緒支持、學複雜領域、有人接話	人陪做／pair
重複行政、怕被看、要低評價壓力	安靜 AI 陪做
深度創作、怕被打斷	安靜共在或 Study with me 級被動共在（Eagle 連續體低 mutuality 端）

Chen speed-dating 裡對「與人共享計畫」評價分裂（問責 vs 隱私壓力）；Concept 6 安靜陪伴則較常被正向描述——仍屬概念回饋，不是長期 RCT。

先挑一件具體任務，用上面練習 1 或 2 跑一個 25 分鐘。有效就留下停損規則；無效就關窗，不要再加工具。

Chen 等人 13 個 speculative 概念的參與者評分總覽（Fig.4） — 圖片來源：Chen et al. CSCW Fig.4

想成為 AI 高手？即刻搵 Jacob

看更多最新文章