Cursor 实时语音让编码任务边做边聊

Cursor 在 2026 年 11 月 6 日推出的「Voice Chat with Agents」，让开发者能在代理执行任务时继续开口追问，并听取进度。它改变的是任务进行中的沟通方式：你可以边看代码，边问代理刚才改了什么。

原文的判断是，语音可能让探索、长重构和执行中的审查更顺畅，但精确修改仍离不开键盘。值得读的地方，是它区分了实时对话、语音听写和代码核验各自负责什么。不过，文中没有效率测试，哪些场景更快仍是经验判断。

实时通话比语音输入多了什么

Cursor 把语音聊天和听写分成了两个功能。

听写（dictation）负责把讲话转成输入框里的文字，你可以修改后再发送。它在早期版本中叫 Voice Mode，在 IDE 中仍可用 Cmd+Shift+Space 切换。需要描述函数签名、文件路径或完整报错时，这一步确认很有用。

语音聊天则是双向通话。代理开始工作后，对话仍然继续：你可以问 diff 改了什么、任务跑到哪一步，也可以搜索与该代理之前的消息和通话。在包含多个 worker 的 Project 中，还能切换工作代理。

这里有一层分工：语音代理负责听取问题、口头回应，再把编码任务交给当前聊天中的编码代理。编码代理执行时会播报简短进度，完成后也只给简短回答。

语音适合帮助你掌握任务方向，代码是否正确仍要看实际改动。

它没有把完整书面回复逐字念出来。这个取舍减少了收听负担，也决定了你不能只凭一句「已经修复」就结束审查。

从哪里开始通话，有哪些使用条件

原文列出的支持入口包括 Agents Window、IDE、网页端和 Cursor for iOS。

开始通话需要满足两个条件：代理处于空闲状态，聊天输入框为空。此时点击标为 Start voice chat 的波形按钮。它位于通常显示 Send 的位置，旁边另有听写用的麦克风按钮。别把两个入口混为一谈。

iOS 还支持用 Hey Siri, call Cursor 与一个新代理建立通话，并通过锁屏上的 Live Activity 静音或挂断。这里的「新代理」值得记住，原文没有说这条指令会自动接入当前正在处理任务的代理。

语音能力由 Grok Voice 提供，可以在 Voice settings 中选择 Ara、Eve、Leo、Rex、Sal 等声音。

隐私承诺也有条件：开启 Privacy Mode 后，语音聊天才采用零数据保留。涉及客户资料或专有代码时，应在第一次通话前确认设置。原文没有进一步解释数据处理边界，不能据此推导出「语音不会离开设备」之类的结论。

哪些任务值得开口，哪些仍适合打字

作者认为，最适合语音的场景有三类。

第一类是代理边做，你边审。过去可能要等任务完成，再阅读总结；现在可以在运行中问「这个 diff 为什么改了这里」，提前发现理解偏差。但口头解释只能辅助阅读，细微逻辑修复、竞态条件和安全相关改动，仍要逐行检查。

第二类是双手正忙的时候。例如在白板前讨论方案，或在另一台机器上处理事情，开口追问可以减少来回切换的负担。收益来自沟通更方便，原文没有证据表明它能让代码生成质量更高。

第三类是多 worker 项目。通过语音切换工作代理、查询历史消息和通话，能让过去的讨论成为可检索的工作记忆。不过，检索准确率、多个任务间如何避免混淆，文中没有交代。

反过来，路径、标识符、报错字符串都不适合只靠口述。听写至少允许发送前校对，键盘输入则方便直接粘贴准确内容。语音指令也应保持简短、结果可检查，因为它比输入框中的文字更难在执行前完整复核。

我的判断

我认同作者对「执行中沟通」的判断。对于一个需要持续观察、偶尔纠偏的长任务，能随时追问确实有用。开发者不必等到最终回复出来，才发现代理从一开始就理解错了。

但「更方便」和「更快」需要分开看。作者没有给出实测任务、耗时、错误率，也没有与纯文字交互做对照。探索和长重构可能受益，目前只能视作合理推测，不能当成已经验证的生产力提升。

与文字聊天相比，语音省去了输入动作，却增加了识别和理解偏差的可能；与听写相比，它保留了连续对话，却少了发送前编辑指令的机会。一般团队是否适合，还取决于办公环境是否方便开口，以及任务是否经常需要精确引用代码。

原文还把它与同周 11 月 5 日推出的 app building 联系起来：描述应用后获得已部署、可分享的链接，再用语音继续指挥代理。这支持了作者对「开发者更多负责监督」的方向判断，但不足以证明编辑器内的操作已经可以被广泛替代。

能拿来做什么

• 先在已有的探索或重构任务中试语音，用它询问当前进度、改动原因和下一步，观察是否减少了等待与切换。
• 遇到路径、函数签名和报错原文时，粘贴到文字输入框；使用听写后，也先校对再发送。
• 把口头指令限制为一次能核验的动作，听完完成播报后，回到 diff 检查对应改动，尤其是竞态和安全相关逻辑。
• 如果任务涉及客户数据或专有代码，首次通话前确认 Privacy Mode 已开启，再决定哪些内容适合口述。