Ski：为编程Agent打造的语音交互工具

你一定有过那个时刻。你给 Claude Code（或者 Codex、Cursor，又或者你今天在用的别的什么）分配了一个真正的任务，不是"修个拼写错误"，而是"重构 auth 中间件并更新测试"。它开始工作了。即使你关掉了"编辑前询问"的提示，让它一路跑到底不被打断，你还是想时不时看一眼它到底干了什么，看看它是怎么处理某个棘手部分的，趁它走偏之前及时拦住。这可能需要好几分钟。而在这几分钟里，你要么坐在那儿盯着终端滚动，要么走开然后真的忘了回来查看。没有人看着。这就是用一句话说清楚的问题：编程 Agent 已经强大到能够真正独立工作很长一段时间，但界面还是"盯着终端看，否则就别管了"。

SKI 是一款免费的桌面应用，它给你的编程 Agent 装上了声音——双向的。你不用打字，而是对着 Claude Code、Codex、Cursor、Gemini CLI 以及越来越多的其他 Agent 直接说话。而真正改变工作流程的是——你能听到它们的回复。当 Agent 完成一项任务或遇到需要决策的时刻，它会说出来："测试通过了，要我发布吗？"你不用一直盯着终端才能注意到这些。你可以处在另一个窗口、另一个房间，或者埋头在另一个项目里。它以一个小巧的环境小组件形式驻留在你的桌面上——一个悬浮的药丸形状组件，或者如果你用的是 MacBook，它是一个停靠在摄像头下方凹槽里的条状组件。你按住一个键说话，而所有东西——语音转文字和文字转语音——都在本地运行。

为什么是"编程 Agent 的声音"而不是"语音听写"

这个区别实际上很重要，而且这是你如果只读别的内容最应该记住的一点。语音听写工具已经存在了一段时间，而且也有做得好的——它们把你的语音转成文字，然后放到光标所在的位置。这确实有用，但它是一条单行道：你说话，文字出现，你还是那个在读终端、在决定下一步发生什么的人。SKI 则是围绕一个循环构建的，而不是一份转录。Agent 也可以主动和你说话，当有事情需要你注意的时候。这是个小小的架构差异，但带来了更大的行为后果：不需要去轮询终端看某个任务是否完成，你会被告知；不需要打出一段精心组织、格式良好的提示，你只需要说出你想要什么的粗糙版本，就像你向一个探过身来的同事解释那样——因为你不再对着一个文本框了，你在进行一场对话。

为什么现在感觉这很重要

有几件事在同一时刻汇聚，让像这样的东西出现的时机变得不错：

• Agent 变长了。多分钟的（有时候是多小时级的）自主任务现在已经很平常了。旧的"输入提示词、盯着光标闪烁、看输出"的循环是为即时响应设计的，不是为那些真正去埋头干活的 Agent 设计的。
• 我们说话明显比打字快。对于那种混乱的、探索式的提示——Agent 编程恰恰奖励这种模式——比如"不对，等等，还要检查一下 token 过期的那种边界情况"，语音大大减少了反复打字再重打的摩擦。
• 切换上下文是真正的税。如果你同时在一个仓库上跑 Claude Code，在 API 服务器上跑 Codex（确实越来越多人这么做），成本不在于思考，而在于不断检查两个终端。让每个项目用自己的声音播报——"来自 api-server：两个测试失败了，要看 diff 吗？"——意味着你不再需要去轮询状态。

这些都不需要 SKI 才能实现。这只是我们认为值得解决的问题的样子。

它实际做了什么，简要说明

• 双向语音循环——对 Agent 说话，听到它的回复，支持本地打断（barge-in），你可以在它说到一半时插嘴，而不用等它说完。
• 多项目、多 Agent——可以同时跑多个项目，每个项目有自己的 Agent 和自己的声音，所以你靠听就能分辨是哪个在跟你说话。
• 支持大多数 Agent——Claude Code、Codex、Cursor、Windsurf、Gemini CLI，以及通过一个共享的 skill 文件（不是每个工具硬编码集成）支持的大约十几种更多工具。
• 本地运行——语音识别和神经声音都是本地的。语音循环没有任何东西会上传，而且可以离线工作。
• 免费会议录制——在 Mac 上录制任何会议，获得本地转录，然后让 Agent 把它整理成笔记。

我不会假装这是什么魔法。它目前只支持 Mac 和 Windows（还没有 Linux），目前只有英语，而且如果你在一个开放式办公室而没有耳机，老实说语音编程暂时不适合你——我们宁愿直接说清楚，而不是假装不是这样。

还有——它在 Product Hunt 上被评为今日最佳产品

多一点背景：SKI 在 Product Hunt 上线，最终获得了 #1 今日最佳产品。能看到这个确实很高兴，主要是因为投票和评论的人正是这个产品的目标用户——那些整天在终端里工作的人，他们立刻就明白了"为什么这个之前不存在"的反应。

试试看，或者不试，但无论怎样我都想听听你的想法

如果你是一个已经在每天使用 Claude Code、Codex 或 Cursor 的人，我真的很想听你对"语音进入工作循环"的真实反应，包括"这是一个找不到问题的解决方案"，如果你确实这么认为的话。这种反馈正是我选择在这里发帖而不是单纯写广告文案的原因。

• 网站：heyski.io
• Product Hunt：producthunt.com/products/ski

关于语音管道是如何工作的、设备上的隐私模型，或者评论里的任何其他问题，我都很乐意回答。