TL;DR

ADHD는 선형 또는 공유 문맥 기반 추론에서 나타나는 조기 수렴 문제를 아키텍처 수준에서 해결하기 위해 고안된 에이전트 스킬이다. 독립된 인지 프레임을 병렬로 띄워 각기 다른 관점에서 아이디어를 생성하고 이후 별도 크리틱으로 novelty·viability·fit을 점수화해 군집·가지치기·심화 과정을 거치므로 폭넓고 비직관적인 대안을 산출한다. 공개된 평가에서 breadth·novelty·trap detection 지표가 유의미하게 향상되었고 트랩 탐지 항목에서 특히 큰 격차가 관찰되었으나 이러한 장점은 평균 약 2.3배의 시간과 약 1.9배의 출력량 증가라는 비용을 수반한다. 따라서 창의적 설계, 퍼지 디버깅, API 설계처럼 탐색 폭과 트랩 식별이 중요한 워크로드에서 유용하게 적용될 가능성이 있다.

주요 기능

• 병렬로 여러 인지 프레임을 스폰하고 각 프레임을 격리된 Agent 호출로 실행한다. 이 과정에서 분기들은 서로 문맥을 공유하지 않으며 초기 앵커의 전염을 방지한다. 생성 단계에서는 평가가 금지된 시스템 프롬프트가 적용되어 순수한 아이디어 탐색을 유도한다.
• 별도의 크리틱 호출로 생성된 모든 아이디어를 점수화하고 클러스터링하며 트랩을 식별한다. 점수 기준은 novelty·viability·fit 같은 항목으로 구성되어 각 아이디어의 적합도를 수치화한다. 상위 후보에 대해 추가 심화 작업을 수행하여 리스크와 첫 단계 실행안을 산출한다.
• 아이디어 트랩을 원인과 함께 플래그하고 그 근거를 제공한다. 트랩 목록은 향후 엔지니어링 시간 낭비를 줄이는 데 쓰이며 개발자가 즉시 보류하거나 배제할 수 있게 설계되어 있다. 트랩 판별에는 간단한 이유 텍스트가 포함되어 의사결정의 근거를 제공한다.
• 프레임 템플릿을 커스터마이징할 수 있는 구조를 지원하며 15개의 기본 프레임이 문서화되어 있다. 프레임 선택 로직과 신규 프레임 작성 지침이 문서로 제공되어 프로젝트 요구에 맞춰 활용 가능하다. 외부 에코시스템에 손쉽게 통합되도록 SKILL.md와 API 문서가 준비되어 있다.

어떻게 동작하는가

ADHD는 생성 단계와 집중 단계로 엄격히 분리된 두 단계 루프이다. 생성 단계에서 N개의 인지 프레임을 선택하고 각 프레임별로 독립된 Agent 호출을 병렬로 실행하여 서로 간의 문맥 공유를 차단한다. 집중 단계에서는 별도의 크리틱 호출로 모든 후보를 점수화하고 군집화하며 트랩을 식별한 뒤 상위 후보를 심화해 실행 가능한 스케치와 리스크를 산출한다.

해결 문제

단일 샷 또는 선형 체인 기반 생성에서 발생하는 조기 수렴과 앵커링 편향 문제를 완화한다. 이는 디자인 결정, 모호한 디버깅, 네이밍, API 설계 같은 창의적이고 다각적 해법이 필요한 문제에서 특히 유효하다. ADHD는 프레임별 격리와 별도 평가 절차로 탐색 폭을 넓히고 유해한 아이디어를 초기에 식별해 엔지니어링 낭비를 줄인다.

지금 주목받는 이유

다수의 오픈소스 프로젝트가 ADHD를 채택하거나 플러그인화했으며 독립 평가에서 breadth·novelty·trap detection 등의 지표에서 큰 개선이 보고되어 실무자 관심을 끌고 있다.

차별점

• 프롬프트 수준의 트릭이 아니라 아키텍처적 분리로 접근한다는 점에서 CoT와 ToT와 구별된다. 생성과 평가를 물리적으로 다른 LLM 호출로 분리하여 앵커링을 시스템 설계 차원에서 제어한다. 이 분리는 동일 모델을 사용해도 서로 다른 시스템 프롬프트로 역할을 명확히 구분할 수 있게 한다.
• 프레임 간에 문맥을 공유하지 않는 고립된 병렬 생성 구조를 사용하여 초기 제안의 전염 효과를 제거한다. 각 프레임은 의도적으로 왜곡된 관점이나 역할을 사용해 서로 다른 탐색 방향을 유도한다. 이후 크리틱 단계에서 군집화 및 상위 심화 과정을 통해 실무적 유용성을 확보한다.
• 트랩을 자동 식별하고 이유를 달아 목록화하는 기능이 명시적으로 포함되어 있어 비용·안전·비실용적 설계의 조기 발견이 가능하다. README와 벤치에 트랩 검출 점수에서 큰 격차가 보고되어 이 기능의 효과가 수치로 제시되어 있다. 트랩 표기는 이후 우선순위 결정과 작업 배제에 직접 활용될 수 있다.

사용 사례

• 제품 설계 결정 과정에서 다양한 설계 대안을 빠르게 생성하고 위험 요인을 사전에 식별하는 데 사용된다. ADHD는 대안의 폭을 넓혀 비직관적이나 현실적으로 유효한 선택지를 제공하고 그에 따른 리스크를 평가지표와 함께 제시한다.
• 코드베이스 온보딩이나 아키텍처 리뷰에서 여러 관점의 분석 앵글을 자동으로 생성해 리뷰 항목과 우선순위를 도출하는 용도로 활용된다. 프로젝트별 프레임을 적용하면 신규 기여자가 빠르게 핵심 위험과 개선점을 확인할 수 있다.
• API 네이밍·구조화, 모호한 버그 상황의 퍼지 디버깅, 전략 수립 같은 창의적이고 다분야적 사고가 필요한 문제 해결 워크플로에 통합되어 사용된다. 프레임을 조합해 특정 역할이나 제약을 강제하면 맞춤형 사고 확장을 수행할 수 있다.

시작하기

설치 방향이 여러 가지이며 대표적인 경로로 npx를 이용해 스킬을 자동 등록하거나 npm으로 패키지를 설치할 수 있다. 가장 빠른 시작은 터미널에서 npx skills add UditAkhourii/adhd를 실행해 에이전트 생태계에 스킬을 추가한 뒤 /adhd "your problem" 형태로 호출하는 방법이다. 라이브러리 방식으로는 npm install adhd-agent 후 import { run, renderText } from "adhd-agent"로 API를 호출하면 기본 파라미터(framesPerRun, topK 등)를 통해 동작을 제어할 수 있다.

요구사항

• Node.js 18 이상 런타임이 필요하다.
• Claude Code, Codex 등 대상 에이전트 생태계와 호환되는 스킬 인프라 또는 해당 에이전트의 스킬 등록 권한이 필요하다.
• 외부 통합 시 해당 에이전트 클라이언트와의 인증 및 네트워크 연결 설정이 사전 구성되어 있어야 한다.

벤치마크