Gli agent di coding moderni (Claude Code, Codex e simili) sono straordinari nel completare codice e seguire istruzioni lineari. Sul fronte dell'ideazione aperta, però, mostrano un limite strutturale: convergono troppo presto sulla prima soluzione plausibile.
Questo comportamento nasce dalla natura autoregressiva dei modelli. Chain-of-Thought li spinge a ragionare in profondità lungo un'unica traiettoria. Tree-of-Thought allarga la ricerca, ma mantiene ancora un contesto condiviso tra i rami, quindi l'ancoraggio iniziale resta.
L'approccio ADHD
ADHD affronta il problema a livello architetturale. Nella fase di divergenza vengono lanciate N chiamate parallele e completamente isolate. Ogni branch riceve solo il problema originale più un "frame" cognitivo diverso (regulator, biologist, speedrunner, prospettiva da bambino di 10 anni, vincolo di budget zero, ecc.) e un system prompt che proibisce qualsiasi valutazione. I branch non si vedono mai tra loro.
Nella fase di focus un critic separato (con system prompt opposto) valuta ogni idea su tre assi: novelty, viability e fit. Identifica le trappole, raggruppa le idee per angolo concettuale e approfondisce solo i top-K sopravvissuti, aggiungendo rischi e primi passi concreti.
Risultati
I risultati pubblicati su sei problemi di engineering open-ended mostrano miglioramenti medi di +5.17 in novelty, +4.17 in breadth e +7.67 in trap detection rispetto a un baseline single-shot con lo stesso modello. ADHD vince 5 problemi su 6.
Quando usarla
La skill è pensata per decisioni di design, naming, API surface, strategy e debugging fuzzy. Non va usata per lookup o bug con root cause nota: il costo è circa 5-10× una risposta normale.
Installazione
Un solo comando:
npx skills add UditAkhourii/adhd
Supporta Claude Code, Codex, Cursor e oltre 50 agent. È già stata adottata da progetti come repowire.
Il repository e il preprint sono pubblici sotto licenza MIT.
Testo: assistito da AI · revisionato da Carlos H. P. Ross
