一个人站在一堆衣服前，知道要洗、要叠、要收，却动不了。NeuroBait 这个小项目的起点，就来自作者对妻子 ADHD 状态的观察：卡住不是懒，也不是不知道步骤，而是从“知道”到“开始”之间断了一截。

这点很关键。很多 AI 助手一遇到任务困难，就开始列标题、拆步骤、给清单。看上去很负责，实际上可能更像往已经堵住的水管里继续灌水。

Hugging Face 这篇博客里，作者用 Gemma 3 12B 做了 16-bit LoRA 微调，做出一个叫 NeuroBait 的助手。它不试图当医生，也不主打诊断。它只想在用户卡住时，用短、暖、具体的一句话，把人推向一个最小动作。

小模型做的不是陪聊，是把动作降到最低

NeuroBait 的差异，可以压缩成一张表：

项目普通待办 AINeuroBait
输出形态标题、清单、长段落3-6 句短回应
任务处理拆解一堆步骤只给一个当下动作
典型语气“你可以这样做”“先拿起最上面一件衣服”
风险信息越多越压迫过度依赖话术有效性

技术上，它不是一个玄学 demo。底座是 google/gemma-3-12b-it，用 Unsloth 做 16-bit LoRA，H100 训练；部署在 Hugging Face Space，用 Gradio、transformers 和 peft，基础模型以 4-bit bitsandbytes NF4 加载，再动态挂 LoRA adapter。

数据也不大，作者说是小规模、手工整理、带合成成分，来自真实 ADHD 摩擦场景，而不是泛泛的效率学鸡汤。这个表述反而可信。做“声音”和“反应方式”，数据质量经常比参数量更要命。

默认 Gemma 不是不会回答。问题是它太会回答了：加粗标题、分点建议、泄露式标签、长段安慰。对已经冻结的人来说，这些“帮助”本身就变成新负担。微调后的 NeuroBait 学到的不是知识，而是克制。

ADHD 场景里，更多信息不等于更多帮助

我更在意的是这个产品判断：AI 工具终于开始承认，“计划”不是所有问题的入口。

过去两年，很多 AI 产品默认用户缺的是认知能力：不会写，AI 帮你写；不会规划，AI 帮你拆；不会总结，AI 帮你压缩。可 ADHD 启动困难暴露了另一类需求：用户知道答案，但缺少启动摩擦被降低的一瞬间。

这和生产力软件的老毛病有关。软件行业很爱把复杂性包装成能力。功能越多，面板越满，似乎越专业。但对很多真实用户，尤其是注意力调节困难、执行功能受阻的人，工具越“完整”，越像一堵墙。

“治大国若烹小鲜。”这句话放在这里不完全严丝合缝，但提醒很准：有些场景，乱动、重手、过度设计，都会坏事。NeuroBait 的聪明处，是把 AI 从导演降级成场务：不替你演完整场戏，只把第一件道具递到手边。

不过边界必须讲清楚。

NeuroBait 不是经过临床验证的 ADHD 治疗工具。原文也只是个人项目、黑客松作品、家庭观察出发的实验。所谓“激发多巴胺”，更适合作为产品叙事和体验目标，而不是生理效果证明。小样本、合成数据、亲密关系中的观察，都不能直接推成普遍疗效。

还要警惕一种新包装：把温柔话术医疗化。

一句“先拿起最上面一件衣服”可能对某个人有效，也可能让另一个人觉得被敷衍、被操控、被 infantilize。ADHD 用户差异很大，共病、压力源、触发点也不同。AI 越贴近心理支持，越不能只看平均体验。

方向是对的，但别急着封神

NeuroBait 后续计划开放权重和流程，做印尼语 / 英语双语，并和 ADHD 社群一起迭代。这是对的。面向神经多样性群体的工具，最怕“替你设计”。没有真实反馈，所谓共情很容易变成精致误解。

我愿意给这个小实验一个明确肯定：它抓住了 AI 应用里被忽略的分水岭。

模型能力继续涨，产品不一定更有用。真正难的是把能力压到合适的形状里。该短的时候短，该少的时候少，该闭嘴的时候闭嘴。AI 如果总想证明自己聪明，就很难服务那些真正卡住的人。

NeuroBait 的价值，不是证明小模型能做心理陪伴。它提醒我们：下一代 AI 助手不该只会替人安排人生，还要学会在某个具体、微小、可完成的瞬间，把人从原地轻轻推一下。

回到那堆衣服。问题从来不是洗衣服有多复杂，而是第一件衣服为什么拿不起来。AI 如果能认真面对这个问题，就已经比一大半“效率工具”更接近真实生活。