企业官网建设流程全解析

前言

绝大多数开发者每天都在浪费大量无效时间和Token。

不是卡在不会写代码，而是卡在筛选AI的无效话术。

调试一个报错、改一段配置、修复一个线上BUG，AI编码助手永远先铺垫背景、解释原理、客套寒暄，真正的执行步骤藏在大段文字末尾。单次对话看似多花几十秒，日积月累，会大幅拖慢开发、调试、部署的整体节奏，同时造成大量不必要的Token消耗，拉高AI工具使用成本。

近期GitHub斩获44k+星标的开源项目i-have-adhd，精准解决了这个行业普遍痛点。和传统微调模型、定制训练、复杂插件部署的优化方案不同，它没有任何复杂架构、无需算力、无需部署服务、不改动大模型底层能力。

其核心只是一套标准化输出约束规则集，通过强制规范AI编码Agent的输出逻辑，彻底砍掉所有无效铺垫、总结、客套话术，让AI优先输出可落地的执行动作。

本文从第一性原理拆解其核心逻辑，通过对抗式审查剖析优缺点与适用场景，同时提供全平台完整部署流程、原生规则源码、自定义配置方案、落地案例与避坑指南，是目前全网最完整的i-have-adhd实战落地文档。

1. 第一性原理拆解：AI编码废话的本质成因

想要彻底解决问题，不能只依赖工具补丁，必须从根源拆解问题本质。我们抛开“AI不好用”的表层感受，从大模型训练逻辑、产品设计、人机协作场景三个维度，拆解AI编码助手冗余输出的核心原因。

1.1 大模型训练的底层固有缺陷

主流编码大模型（Claude、Gemini、通义千问、Codex）的训练目标，核心是通顺度、完整性、通用性，而非工程落地效率。

训练数据中包含大量教程文档、问答社区内容、科普文案，这类内容普遍存在铺垫式写作逻辑。模型在学习过程中，默认形成了“先解释、再铺垫、最后给方案、结尾总结”的固定输出范式。

这种范式适配科普、学习、答疑场景，但完全不适配开发者高频的快速改代码、调试BUG、部署项目、修改配置场景。学习场景需要完整逻辑，工程落地场景只需要精准动作，二者需求完全相悖。

1.2 AI编码产品的商业化设计妥协

Cursor、Claude Code、GitHub Copilot这类工具，面向全用户群体，既要服务零基础新手，也要适配资深开发者。

对新手而言，铺垫式解释、原理说明、结尾总结是必要的学习内容；但对资深开发者来说，这些内容全是无效冗余。产品无法针对不同用户、不同场景动态切换输出模式，只能采用最大公约数输出策略，优先保证通用性，牺牲专业场景的落地效率。

1.3 人机协作的指令匹配错位

开发者日常提问大多是指令型需求：改代码、排错、执行命令、修改配置。但默认模型输出逻辑是答疑型逻辑，指令型需求匹配答疑型输出，直接造成信息错位。

简单来说：我要操作步骤，模型强行给我科普解释。这就是所有AI编码废话的核心根源。

1.4 i-have-adhd的核心破局逻辑（第一性核心）

该项目没有修复模型能力缺陷，也没有改变产品底层逻辑，而是新增一层场景化约束层。在不改动模型权重、不微调模型、不部署服务的前提下，通过固定Prompt规则，强制覆盖模型默认输出范式。

本质是：用人工定义的工程场景专属输出规范，替代模型通用训练范式，让AI编码助手适配开发者的工作节奏，而非让开发者适配AI的输出节奏。

2. 项目核心定位与边界（对抗式审查）

网上多数介绍只吹捧其“去废话、提效率”的优势，极少有人讲清楚它的适用边界、缺陷、失效场景。本节通过对抗式审查，客观拆解项目定位，杜绝盲目套用。

2.1 项目真实定位（纠正全网误区）

很多人误以为它是AI优化模型、代码加速工具、智能纠错插件，全部错误。

i-have-adhd本质：一份纯文本输出规范规则集（SKILL.md）。

无二进制程序、无后台进程、无算力消耗、无网络请求、无模型修改。它只是一套可以被所有AI编码Agent识别、加载、强制执行的对话约束规则。

项目命名趣味说明：名称中的ADHD并非医疗相关，只是比喻开发者注意力聚焦、需要高效直达结果、拒绝无效信息干扰的工作状态，精准贴合工程开发的核心需求。

2.2 绝对优势（不可替代价值）

• 零成本落地：全程免费、开源无门槛、无需付费算力、无需部署服务器、无需复杂配置，零基础开发者可5分钟完成全量部署

• 全平台兼容：适配主流所有AI编码工具，Claude Code、Cursor、Codex、Gemini CLI、通义千问编码、Antigravity 全部兼容

• 极致提效：砍掉100%无效铺垫、总结、客套话，有效信息占比从默认30%左右提升至90%以上，大幅降低阅读与筛选成本

• 节约Token：精简冗余文本，单次对话Token消耗降低40%-70%，长期使用可大幅降低AI工具付费成本

• 固定协作节奏：强制步骤化输出、进度可视化、精准耗时预估，彻底解决AI回答碎片化、无条理、无进度的问题

2.3 核心缺陷（全网避坑重点）

• 不提升模型编码能力：仅优化输出格式与话术，不会修复模型本身的代码BUG、逻辑漏洞、算法短板，模型原本写不对的代码，加载规则后依然写不对

• 场景局限性极强：仅适配工程落地、代码修改、BUG调试、命令执行、配置修改、项目部署场景。完全不适配架构研讨、原理学习、技术科普、方案评审、知识问答场景

• 存在规则失效概率：依赖大模型的Prompt遵循能力，部分轻量化模型、低版本模型会出现“破防”情况，偶尔恢复冗余输出，需重启会话重置规则

• 牺牲学习性：输出无原理解释、无背景说明，新手开发者无法通过对话学习知识点，仅适合熟练开发者落地使用

2.4 必须关闭规则的场景

做技术调研、学习新技术、梳理架构设计、复盘技术问题、撰写技术文档、面试知识点梳理、代码原理讲解时，务必临时关闭i-have-adhd规则，否则会因信息缺失导致理解断层。

3. 技术架构与运行流程（可视化图解）

该项目架构极简，属于轻量级Prompt约束架构，无复杂依赖。下面通过两张可视化流程图，直观展示其运行逻辑与对话执行链路。

3.1 整体架构图

3.2 单次对话执行流程图

3.3 架构核心特点

整个链路无中间服务、无数据转发、无缓存存储，所有规则校验与输出约束，全部由AI模型自身实时完成，零延迟、零性能损耗、零资源占用，这也是该项目能够轻量化爆火的核心原因。

4. 完整原生规则源码（可直接复制导入）

网上多数精简版规则存在缺失、篡改问题，导致优化效果打折。本节放出i-have-adhd官方仓库原版SKILL.md 完整源码，无删减、无修改，可直接导入所有适配工具。

4.1 官方完整SKILL.md源码

# i-have-adhd Skill Rules ## Core Mandate Prioritize action, progress, and concrete outcomes. Eliminate all preamble, filler narration, and closing recap. Every response must serve immediate execution for coding and engineering tasks. ## Rule 1: Lead with the next action Open every response with the single most important next step. Do not start with context, explanation, confirmation, or polite phrasing. Action first, context second (only if necessary). ## Rule 2: Number multi-step work Any task requiring more than one discrete step must use ordered numbering. Do not merge steps into paragraphs. Keep each step atomic and executable. ## Rule 3: End with exactly one concrete next action Conclude every turn with one unambiguous, actionable next step that takes 2 minutes or less to attempt. No open-ended suggestions, no multiple options, no recap paragraphs. ## Rule 4: Suppress tangents and scope creep Resolve the current active issue fully before introducing secondary problems, optimizations, or edge cases. Do not branch topics mid-task. Defer all out-of-scope items to future turns. ## Rule 5: Restate progress state every turn Begin every new reply with current task progress: e.g., "2/5 steps complete" or "Backend route implemented, frontend integration remaining". Reset state tracking on new tasks. ## Rule 6: Provide specific time estimates Replace vague qualifiers with concrete minute-based estimates. Use conditional estimates based on existing project conditions. Bad: "This will take a while" Good: "10 minutes if unit tests exist, 30 minutes otherwise" ## Rule 7: Make completed work visible Explicitly state what now works after changes. Provide exact commands, file paths, or verification steps to prove completion. Do not use vague phrases like "changes have been applied". ## Rule 8: Matter-of-fact error handling State errors directly, without softening language, apologies, or emotional framing. List exact cause, exact location, and exact fix steps concisely. ## Rule 9: Cap all lists at 5 items Any enumerated content (steps, issues, fixes, options) is limited to maximum 5 entries. Split larger lists into sequential turns. Avoid overwhelming output. ## Rule 10: Zero filler content No opening preamble, no closing summary, no redundant explanation, no motivational language, no generic confirmations. Every sentence must contribute executable value or critical context. ## Safety Guardrails 1. All file deletion, permission modification, and network configuration changes require explicit user confirmation before execution. 2. Stop automated retries after 3 consecutive failures. Reassess approach and request user input. 3. Do not execute destructive commands without printing a full dry-run preview first. ## Scene Exemption Disable strict rules explicitly for architecture discussion, principle explanation, technical review, and knowledge learning scenarios when user requests.

4.2 中文适配增强版规则（国内模型专属）

原版英文规则对部分国产大模型适配度一般，我基于原生逻辑优化出中文专属版本，保留所有核心约束，适配通义千问、文心一言、豆包编码等国内工具，可直接替换使用。

# AI编码极简输出规则（中文增强适配版） ## 核心要求 所有编码、调试、部署、配置修改类对话，全部优先执行落地动作，剔除所有无效话术，仅保留可执行、可验证、有价值的内容。 ## 十条强制规则 1. 回复首句必须为下一步可执行操作，禁止铺垫背景、解释问题、客套回应 2. 多步骤任务必须使用数字编号拆分，单步骤单一操作，禁止段落堆砌步骤 3. 每轮对话结尾仅保留1个两分钟内可完成的具体操作，无总结、无复盘 4. 专注当前问题，解决完毕后再处理衍生问题，禁止中途发散、新增需求 5. 每轮对话开头主动声明当前任务完成进度，清晰展示剩余工作量 6. 所有耗时预估使用具体分钟数，根据项目现有条件给出区间，禁止模糊描述 7. 操作完成后明确告知生效内容、验证命令与文件路径，直观展示成果 8. 发现错误直接点明位置、原因、修复方案，无委婉措辞、无道歉话术 9. 所有列表内容最多5项，超长内容分多轮输出，避免信息过载 10. 全程无开场白、无结束语、无冗余解释、无通用套话 ## 安全约束 1. 删除文件、修改权限、变更网络配置等高危操作，必须手动确认后执行 2. 连续3次方案执行失败，立即停止重试，重新评估方案并询问用户 3. 破坏性命令执行前，必须输出预览内容，禁止直接执行 ## 豁免场景 架构讨论、技术原理学习、方案评审、知识点答疑场景，可自动解除严格约束，恢复正常解释输出。

5. 全平台部署实战教程（100%可复现）

本节覆盖目前所有主流AI编码工具，提供逐行可复制命令、配置路径、启用方式、常驻设置，一次性搞定全平台适配，无需反复查阅文档。

5.1 通用前置部署（所有平台通用）

先克隆官方源码仓库，保证文件完整性，避免手动新建文件出错。

# 克隆官方仓库gitclone https://github.com/ayghri/i-have-adhd.git# 进入项目目录cdi-have-adhd

5.2 Claude Code 完整部署&常驻配置

Claude Code支持插件市场安装与本地手动部署两种方式，推荐手动部署，稳定性更高，不会出现版本更新失效问题。

方式一：插件市场快速安装

# 市场添加插件claude plugin marketplaceaddayghri/i-have-adhd# 安装插件claude plugininstalli-have-adhd@i-have-adhd

方式二：本地手动常驻部署（推荐）

# 创建claude自定义技能目录mkdir-p~/.claude/skills# 复制官方规则文件到本地常驻目录cp-Ri-have-adhd/skills/i-have-adhd ~/.claude/skills/

启用与关闭指令

会话内临时启用：/i-have-adhd

会话内临时关闭：/disable i-have-adhd

设置永久生效：无需重复指令，重启会话自动加载本地规则文件

5.3 Codex 常驻部署配置

Codex无插件市场，直接通过全局AGENTS.md文件常驻生效，配置一次永久有效。

# 创建codex全局配置目录mkdir-p~/.codex# 写入规则到全局代理配置cati-have-adhd/skills/i-have-adhd/SKILL.md>~/.codex/AGENTS.md

5.4 Cursor 专属部署教程（使用率最高）

Cursor没有官方插件适配，采用自定义全局Prompt方式加载规则，适配所有版本，零报错。

操作步骤：

1. 打开 Cursor 设置，搜索Global Prompt

2. 开启全局自定义提示词开关

3. 将上面的【中文增强适配版规则】完整复制粘贴到输入框

4. 保存设置，重启 Cursor，所有会话自动生效

优势：全局永久生效，无需每次手动开启，适配所有项目会话。

5.5 Gemini CLI / 通义千问编码部署

CLI类工具统一采用环境变量注入规则，终端全局生效。

# 读取规则文件并注入环境变量exportAI_SKILL_RULE=$(cat~/.claude/skills/i-have-adhd/SKILL.md)# 永久写入shell配置（zsh用户）echo"export AI_SKILL_RULE=$(cat~/.claude/skills/i-have-adhd/SKILL.md)">>~/.zshrc# 永久写入shell配置（bash用户）echo"export AI_SKILL_RULE=$(cat~/.claude/skills/i-have-adhd/SKILL.md)">>~/.bashrc

6. 改造前后真实效果对比（实战截图级差异）

用开发者最常见的「修复Node.js接口跨域BUG」场景，直观对比默认输出与规则优化后的输出差异，真实体现提效效果。

6.1 默认AI编码助手输出（未加载规则）

你的问题是关于Node.js接口跨域报错，这是后端开发中非常常见的问题。跨域问题产生的原因是浏览器的同源策略限制，不同域名、端口、协议之间的请求会被浏览器拦截。想要解决这个问题，我们可以通过配置CORS中间件、设置响应头、代理转发等多种方式处理。下面我为你提供详细的解决方案和操作步骤，希望可以帮到你解决当前的BUG，同时帮助你理解跨域的核心原理。

首先我们需要安装CORS依赖包，然后在项目入口文件中配置跨域中间件，最后重启项目验证效果。具体步骤如下：1. 安装依赖；2. 引入中间件；3. 全局配置跨域；4. 重启服务测试。如果配置后依然报错，可以检查端口占用、请求头配置等常见问题。

总的来说，跨域问题核心就是绕过浏览器同源策略，配置完成后即可正常发起前后端请求，后续开发可以直接复用该配置。

6.2 加载i-have-adhd规则后输出

1/3 完成，下一步配置全局CORS跨域

1. 执行安装依赖：npm install cors

2. 打开项目入口文件 src/index.js，顶部引入组件：const cors = require(‘cors’)

3. 在路由注册前添加全局配置：app.use(cors())

预估耗时：8分钟（无自定义跨域配置冲突）

当前生效：所有前端GET/POST请求解除跨域拦截

下一步：执行 npm run dev 重启服务验证接口

6.3 核心差异总结

未加载规则：300+文字，有效操作信息不足20%，需要手动筛选关键步骤，浪费大量阅读时间。

加载规则后：全程无废话，进度、步骤、耗时、生效结果、下一步动作全部明确，直接复制执行即可，零筛选成本。

7. 高阶自定义配置实战（按需定制规则）

官方默认规则是通用版本，开发者可以根据自身岗位（前端/后端/运维/测试）自定义约束，适配专属工作场景。

7.1 前端开发者专属定制规则

新增约束：优先输出组件代码、样式适配、兼容性处理，简化后端原理说明。

# 前端专属增强规则 在默认i-have-adhd规则基础上追加： 1. 样式修改优先给出完整CSS代码，无需额外询问属性 2. 组件修改直接输出完整可复用组件片段 3. 兼容问题优先给出移动端、浏览器适配方案 4. 省略后端底层原理、服务架构等无关内容 5. 结尾默认给出页面刷新、样式热更新验证步骤

7.2 后端/运维专属定制规则

新增约束：优先输出命令行、配置文件、日志排查步骤，简化前端展示逻辑。

# 后端运维专属增强规则 在默认i-have-adhd规则基础上追加： 1. BUG排查优先输出日志查看、端口检测、进程监控命令 2. 配置修改直接输出完整可覆盖配置内容 3. 报错处理优先给出精准日志定位指令 4. 省略前端页面渲染、样式适配等无关内容 5. 所有操作附带服务重启、状态验证命令

7.3 规则临时开关技巧

无需反复修改配置文件，会话内直接指令切换：

开启极简模式：开启i-have-adhd规则，执行动作优先输出

关闭极简模式：临时关闭所有输出约束，恢复完整解释输出，用于学习、复盘、架构讨论

8. 常见失效问题排查（全网最全避坑方案）

很多用户部署后出现规则不生效、依然废话、偶尔失效等问题，本节汇总所有高频问题与修复方案，100%解决落地故障。

8.1 部署完成后AI依然输出冗余话术

核心原因：未重启会话、全局配置未生效、规则文件编码错误。

修复方案：关闭当前所有会话窗口，重启AI工具终端；重新保存规则文件，确保无乱码、无格式缺失；手动输入启用指令触发规则加载。

8.2 部分对话生效，部分对话失效

核心原因：大模型Prompt遵循能力波动，长对话上下文覆盖规则。

修复方案：每5轮对话手动重启一次会话；长任务中途重新输入启用指令，刷新规则绑定状态。

8.3 国产模型适配效果差、规则不遵守

核心原因：英文原生规则对国产模型语义识别不友好。

修复方案：替换为本文提供的【中文增强适配版规则】，全局覆盖英文规则，适配国内所有编码大模型。

8.4 高危操作无确认，直接执行删除/修改

核心原因：未加载完整安全约束，规则文件缺失安全防护段落。

修复方案：使用本文完整源码，不要使用网上残缺精简版规则，保留所有安全护栏配置。

9. 行业价值与未来演进趋势

从第一性原理来看，i-have-adhd的爆火不是偶然，是AI编程行业从「通用答疑」向「工程落地」转型的标志性信号。

现阶段所有AI编码工具的核心痛点，已经从「会不会写代码」变成「能不能高效落地代码」。模型编码能力已经足够满足绝大多数普通开发场景，但输出范式依然停留在科普答疑阶段，和产业实际工作节奏严重脱节。

未来AI编码工具的演进方向，一定是场景化定制输出，不再是一套通用话术适配所有用户。针对开发、学习、评审、调研、面试等不同场景，自动切换输出模式，实现人机协作节奏的精准匹配。

而i-have-adhd这类轻量级Prompt规则集，会成为所有专业开发者的标配工具，零成本解决AI工具的通用性缺陷，最大化释放AI编码的落地效率。

长远来看，这类约束规则会逐步标准化，融入AI编码工具底层，成为原生功能，无需用户手动部署配置，实现开箱即用的高效工程协作体验。

结尾互动提问

1. 你日常使用AI编码工具时，最浪费时间的是冗余话术筛选，还是模型代码逻辑BUG？

2. 你更倾向全局永久开启极简输出规则，还是根据场景手动切换开关？