Cursor 新增与编程智能体双向语音交流

Cursor 把与编程 Agent 的交流做成了双向语音通话：你可以直接描述修改需求，它一边工作，一边用简短语音报告进度，结束后再口头概括结果。代码细节和完整回复仍留在聊天里。

按原文整理的官方信息，Voice Chat with Agents 于 2026 年 11 月 6 日推出。不过，作者没有亲手测试，资料核对截至 11 月 7 日。这篇值得关注的是它对交互方式的调整：哪些信息适合听，哪些判断仍然得回到屏幕上完成。

它能接着聊，写代码仍由原来的 Agent 负责

Voice Chat 是实时双向语音交流，覆盖 Agents Window、IDE、web 和 Cursor for iOS。用户口头描述需求，语音 Agent 负责听取、回应，并把编码任务交给当前聊天里的编程 Agent。

编程 Agent 执行任务时，通话可以继续。你可以询问 diff 改了什么、查看运行进展，或者搜索之前的消息和通话。对于拥有 workers 的 Project，原文还提到可以在不同 worker 之间切换。

这里有两个容易混淆的地方。

首先，语音部分使用 Grok Voice，编程 Agent 继续使用你选定的模型。开启语音不会自动把负责写代码的模型换成 Grok。Voice 设置里提供 Ara、Eve、Leo、Rex、Sal 五种声音，选择的是说话声音。

其次，Voice Chat 和听写是两项功能。听写此前叫 Voice Mode，只把口述内容转换成聊天输入框里的文字，在 IDE 中通过 Cmd+Shift+Space 切换。Voice Chat 则会持续接收你的话，并用语音回答。

语音通话增加的是交流入口，代码执行和结果检查仍有各自的位置。

这个区分很实用。如果你只是嫌输入长需求麻烦，听写已经覆盖了这部分需求；只有需要在 Agent 工作时继续追问，双向通话的价值才开始显现。

为什么只播报摘要，比朗读完整回复更合理

Cursor 的编程 Agent 会口头报告简短进度，完成任务后再给一个简短回答，完整内容留在聊天里。

这是整项功能里最有说服力的设计。文字可以跳读，可以停在一处反复看，也能把两段代码放在一起比较。语音按时间顺序播放，听漏一句就可能需要追问。把一整段修改说明读出来，容易拖慢检查速度。

因此，它更适合承担「任务做到哪里了」「刚才改了什么」这一层交流。至于改动是否正确、边界条件有没有漏，仍然需要看 diff、执行结果和完整说明。原文没有提供证据，证明口头摘要足以支持这些判断。

作者认为，习惯边说边思考的人可能受益，类似橡皮鸭调试，只是这只鸭子会回应，也能交给 Agent 修改代码。离开键盘时，语音的价值可能更明显，例如让 Agent 跑着一个长任务，自己通过手机询问进展。

这些都是合理的使用设想，并非作者实测得到的结论。语音是否打断思路、摘要有没有遗漏、技术词汇是否识别准确，原文都没有答案。

怎样开启，哪些限制会直接影响使用

在 Agent 空闲、聊天输入框为空时，原本 Send 按钮的位置会显示波形按钮，标记为「Start voice chat」。点击即可进入通话。

iOS 还支持通过「Hey Siri, call Cursor」发起通话。原文称，Cursor 的 iOS 1.16.0 版本加入 Lock Screen 和 Dynamic Island 控件，可以在不解锁手机的情况下管理通话。这里的 1.16.0 指应用版本，不能读成系统版本。

开始使用前，有几条限制需要一起记住：

• 必须登录 Cursor 账号，API-key sessions 无法发起 Voice Chat。
• 每天有通话限额，但官方没有公布具体数字，无法据此估算全天使用量。
• 默认情况下，Agent 空闲且持续静默约 10 分钟，通话会自动结束。
• Subagents、Project workers、归档聊天、Claude Code 聊天，以及属于其他队友的聊天，都不显示启动按钮。

原文同时提到「可以切换 Project workers」和「Project workers 不显示启动按钮」。可确定的是，通话中的操作范围与发起通话的入口存在区别；具体如何切换，文章没有讲清。

隐私方面，原文转述官方说明：开启 Privacy Mode 后，语音聊天采用 zero data retention，即零数据保留。原文没有进一步展开相关条款，也没有进行独立验证。

发布时没有宣布新的套餐价格。这只能支持「没有同步发布新的语音加购方案」，不能据此推断所有账号都能无限免费使用，尤其每日限额还没有公开。

我的判断

我认同它把简短状态交给声音、把详细结果留给文字的取舍。长任务执行期间，用户经常只想知道有没有卡住、正在处理哪一步，未必需要立即阅读完整回复。

但「可以开口交流」距离「比打字更高效」还有一段需要验证的距离。语音质量、延迟、口音适应、技术词汇识别，以及摘要是否准确，作者都没有测试，也没有给出与文字交流、听写功能的对照数据。关于效率的判断，目前属于经验推测。

对于需要精确表达文件路径、变量名和报错内容的任务，文字仍便于复制和复核。共享办公室也会影响使用意愿，耳机只能解决听的问题，解决不了开口说话的问题。

原文把 11 月 5 日的 Build Live Apps 和 11 月 6 日的 Voice Chat 连在一起，判断 Cursor 正在押注持续对话式的编程入口。这是一种产品方向解读，不能当作效率已经提升的证据。

它值得作为补充入口尝试，但现有资料不足以支持把语音变成默认工作方式。

能拿来做什么

• 下次让 Cursor 执行一个范围明确的代码修改时，可以尝试口头描述需求、追问进度，完成后照常检查 diff 和运行结果，分别判断交流与交付是否可靠。
• 如果需求只是把一段口述变成提示词，先试用 IDE 的 Cmd+Shift+Space 听写，再判断是否需要持续通话，避免为简单输入增加操作。
• 尝试手机跟进长任务时，先核对 Cursor for iOS 版本与通话入口，并记住约 10 分钟静默断开和每日限额未知这两个条件，暂时别把它安排为全天唯一入口。
• 在具体项目中试用前，确认账号登录方式与 Privacy Mode 设置；试用时重点检查口音、技术词汇和摘要遗漏，因为这些恰好是原文尚未验证的部分。