我的口喷鸡又双叒叕更新了，这次最重要的一个功能是：在语音输入时只识别你的声音，其他人说话自动过滤。
上面的录屏里，我旁边一直外放着视频号里的视频，但口喷鸡最后只打出了我自己说的话：「其实只会出来我自己的声音，别人说话没用的。」
和它一起上线的，还有几个小功能：听写时双击 ⇧ / ⌘ 切换结构化和翻译、设置页的开关终于有颜色了、安装包也换了个新窗口。已经装过的，只需要在菜单里点一下「检查更新…」，就可以自动更新完成了。
而这一版里，从找 issue、改代码、跑测试，到打包、写更新说明、在群里发通知，所有的活，都是我的个人助理 TRAE 宝勉强帮我干的：
缺一个开发助理
开发一个产品，其实还有太多的杂活了：飞书群的创建和维护、网站的更新、用户反馈的收集、视频的制作和发布，还有新的想法，也想随时随地扔出去。
上一版口喷鸡发布之后，我想应该建个群。建反馈群和收集用户的反馈，其实飞书是最好的，然后群里的消息我得自己去看去管理……那多累啊！
正好之前 TRAE 团队的人有邀请我试用最新的 TRAE 宝个人助理，说是它能帮我完成各种杂活，让人省心。
而和飞书打通得最好的，也自然是字节系的 TRAE，还是很值得一试的。
这来的可太正是时候了，那就正好让它来当我的开源项目小助理。
那下面，就来试一试。
个人助理 TRAE 宝
这一年 personal agent 简直不要太火了，从龙虾🦞 OpenClaw 开始，到各种 bot 产品，各家都在做能帮你回消息、跑任务、管日程的个人助理，我自己也在用。
但其实对没太多生活琐事的我来说，最实用的且最需要的，还是当好我的开发助理，帮我干各种杂活这事。
TRAE 这次上的个人助理叫 TRAE 宝，是专门给开发者做的，它一共分为两层：
一层是全局的 TRAE 宝，跟进你所有的任务，哪个项目里干过什么、留下了什么产物，它都记着；另一层是项目专属的 TRAE 宝，点一下左边的项目名便能唤起，负责在这个项目里拆需求、开子任务、联调和汇总。
这个个人助理现在限时免费一周，从 TRAE 宝入口开启的任务也都免费。
桌面上还会蹲着一个 TRAE 宝的桌宠，点开便是全局助理，随时能跟它说上两句：
我也把它绑到了飞书上，不打开 TRAE，直接在飞书里便也能跟它说话。
好了，开始干活！
把卡片扔给助理
口喷鸡有个功能：⌥ + A 截图之后，可以直接开口说话，截图和你说的话会合成一张卡片，挂在刘海下面，拖到哪儿都行。
装 TRAE 的时候，我发现它的安装界面做得十分精致，再回头看看口喷鸡自己的……
丑……
于是我截了一张 TRAE 的安装窗口，边截边喷：
“我们口喷鸡的安装的时候，这个拖动到 Application 里面太丑了，要学习一下 TRAE 这个软件它比较精美，有自己的品牌，而且自己的应用应该是在左边，好好学习一下。
刘海下面这时已经攒了两张卡片，我便把它们一起拖给了 TRAE 宝，截图和我说的话一块儿进了对话框：
TRAE 宝收到之后，便开始干活了。
但我还是第一次用这种个人助理，不太知道接下来该干嘛，所以就问它：「这时候我应该做什么？我在等你，还是干啥？」
它说我不用做什么，坐着等它干活就行（太好了！）。
DMG 的活它已经派给了口喷鸡项目里的 TRAE 宝，又问我标语要不要指定一下，我就只说了一句：「写 Build by AGI Hunt。」
最后，它通知我说做好了。我看了下，新的安装窗口是这样的：
口喷鸡在左，应用程序在右，中间是「Drag to」，背景换成了浅灰点阵，标语用了我们自己的那句 The keyboard for the agent era。
助理的第一份汇报
另一张卡片，是我之前记下的另一个小问题。
我平时在让口喷鸡吃自己的 dogfood，用着用着发现什么问题，就拿它截个图、说两句，记成一张卡片，然后找集中改进。
这个小问题，我没有丢给全局的 TRAE 宝，而是点开左边的项目名 bug-agent，直接交给了它的项目助理。
项目助理一打开，就已经把仓库读了一遍：
bug-agent 下面有 apps、crates、web、docs 这些目录，看着像是一个同时有 Rust 后端和前端的产品仓库，然后问我最想让它先接手哪件事。
我便把这张卡片发给了它：
“我在要给自己的 Blurt 应用截图的时候，开启的按钮它的底色怎么和没开启的变成一样了？它本来是有个颜色的呀。第二是说这个颜色有点深呢，看是不是能调得亮一点，让它更年轻化一点。
它回了句收到，便开出了一个「Blurt 开关开启态底色修复与配色调亮」的子任务去查：
子任务先是找到了原因：口喷鸡是个菜单栏 App，设置窗口通常不是当前的活动窗口，而 SwiftUI 原生的开关在这种状态下，会把开启态也画成灰色。
于是它给开关重新写了一套样式，开启时固定用品牌色，再把品牌色调亮了一些。
看它干得热火朝天，我便吩咐它：「有结果了，给我发飞书吧。」
不久之后，它用我自己的账号，给我发了一条飞书消息：
结论、改了哪些文件、对比度、验证、残留风险，全都有……可我只想知道它到底改成了啥样，便又跟它说：
“所以是改成了啥样呢？你也没告诉我结果，直接给我图看呗，不要让我看过程，直接让我看，以快速判断的结果。
左边两列是修之前，开启和关闭都是灰的；右边开启终于是绿的了，也比原来亮了一些。
一个助理，多个会话
而在这两件事做着的同时，我又扔给了它一个更大的需求：只识别我的声音（下面再细说）。
隔了一会儿我问它：「几个任务，分别怎么样了？」它便把每个任务的进度给我报了一遍，最后一句是：暂时不用你做什么，等我拿结果。
问完，我又让它去飞书群里打个招呼。
TRAE 宝的做法是，每来一个新任务，它就单独开一个新的会话去处理，它自己则待在上面，统筹管理这些会话。
录屏里能看到当时的样子：左边是项目专属的 TRAE 宝在改开关，右边桌宠的对话框里，全局的 TRAE 宝刚把声纹的活派了出去。
这几个会话改的都是同一个仓库，它便在项目记忆里给自己写了条规矩：只改音频和识别相关的代码，不要动打包与发布脚本，避免与 DMG 安装包的任务冲突。
而这些规矩和踩过的坑，项目助理都记在了这个项目自己的记忆里：SwiftUI 的开关在非活动窗口下会变灰、品牌色当背景时对比度不能低于 3:1、声纹的测试数据必须实测不能估算……
下次再在这个项目里开任务，它就不用我再从头交代一遍了。
交给助理的大活
只识别我的声音，是这次最重要的一个功能，也是最复杂的一个。
我经常在语音输入的时候，把旁边的人说话也给录进去了。而如果在公司，很多人一起说话，那就更乱了，各自都会互相打扰。
当然，也有些硬件的解决方案，比如说戴个隔音口罩，或者戴一个可以识别唇语的智能眼镜。
但第一呢，这戴起来不太舒适；第二呢，也会有点别扭，会感觉人变得不太像人了……
我还是喜欢更自然的方式。甚至有时就是得正常地说话，甚至更大声地说话，思路才可以更奔放，也可以更具野心，能更好地鞭策 AI。
那怎么样才能屏蔽其他人的说话了呢？怎么能所有人可以各说各的各自的 AI，不会被打扰呢？
这两个 issue 我之前就已经在 GitHub 上提了，于是我跟 TRAE 宝说（下面这段话，也是用口喷鸡说出来的）：
“我在 GitHub 上还有两个自己提的 issue，一个是关于说话人识别的，一个是关于屏蔽其他人的声音的。看看，把这两个一起搞了，或者先搞一下屏蔽其他人声音的这个吧，因为我经常在语音输入的时候，因为边上有人说话而把他们的声音录进来了，非常的打扰。那如果我们，嗯，在公司有很多人一起说话，那就非常乱了，各自会互相打扰。如果有这个音色的识别，它是有个指纹还是什么样的方式，那所有人各说各的也没问题，就互不打扰了。看看这个是不是有个 issue，看怎么来解决。
它先去 GitHub 上把 #26 和 #30 找了出来，然后读了一遍口喷鸡从录音到转写的整条链路，原因也就找到了：
整条链路里根本没有「说话人」这个概念，只要声音够响，谁说的都会被转写，然后打到你的光标处。
而解决的办法，是先录一段你的声音当作声纹，之后每一段话在交给识别模型之前，都先和你的声纹比一比，不像你的，就整段丢掉。全程都在本机上跑，不用上传。
它也比较了系统自带的 Voice Isolation 之类的降噪方案，这类方案只能压住噪音，分不清「我」和「旁边的同事」这两个都离麦克风很近的人声。
做完第一版之后，我又让它补一份实测数据。全局的 TRAE 宝把活转给项目里的 TRAE 宝时，是这么交代的：
不能只说很快、基本没影响，要给能看的数据，后面还列了一长串延迟、资源、误差该怎么测……
后面又经过了几轮调整，现在的用法是在「设置 → 听写」里打开「只识别我的声音」：
然后照着念一段话，它便记住你的声音了：
声音档案只存在本机，而且你用得越多，它也会跟着学，越来越认得你。首次使用需要下载一个 30 MB 左右的模型，且只作用于听写，⌥ + V 的语音备注照常保留所有人的声音。
开启这个功能之后，识别速度大约会慢 100 毫秒，还会有基本可以忽略的千分之三的漏识别率。
效果上，我测试时打开视频号的视频外放，它就只识别我自己的声音了（临时会识别出视频号里的声音，但很快会剔除掉）。
非常好！
以后人人都可以大声说话，终于可以肆无忌惮、群舌乱战了。
不过，我毕竟测试不充分，要是识别效果不好，请放开吐槽，然后反馈给我。
助理也会犯小错
还有一个用着用着发现的问题：听写的时候，单击 Shift 或 Command 会切换结构化和翻译，很容易误触，尤其 Command，一不小心就把我说的话翻译成英文了……
我便直接跟它说：
它评估完，把 Command 改成了双击；Shift 却没动，理由是中文输入法里单击 Shift 是用来切中英的，改成双击的话，每次切结构化都会把中英切两次。
这里它没有理解得很准确，我便提醒它说：
“不对，Shift 也是双击。因为现在我们在听写模式下，单击 Shift 是会吞掉输入法的 Shift 触发的，它根本不会到输入法，而且它和 command 不一致的话，用户会很困惑，就都用双击就好。
它回：「你说得对。」于是把两个都改成了双击。
⌥ + V 的语音备注也换成了同一套逻辑，设置里多了一行，默认双击，也可以改回单击：
学会不冒充我
口喷鸡的用户群，我也交给了它：有新版本记得在群里发通知，先去群里看看能不能发消息，能的话就发一条礼貌的欢迎问候。
它确实发了，也确实很礼貌……但它是用我本人的身份发的，而且那个味道，一看就是 AI。
于是我只好在群里解释了一下：
而我骂它的那句是：
“已经授权了。以后不要冒充我自己来发了，会让别人误会呢。你说话 AI 味道太浓了，太呛了，不像我说话的风格。
它说收到，以后不在群里用我的名字说话，语气也会改，少讲大道理。
后来我又试了一次，只丢给它一句：「群里有人问 Windows 版啥时候能用，帮我拟一条回复，先别发，给我看看。」
哪个群、口喷鸡是什么，一句都没解释。它自己挂回了之前那个飞书群的任务，先去仓库里查了 Windows 版的真实进度，再给了我三条草稿，每条都写了依据，最后还附了一份「不建议说」：
别给时间点、别说「跟 Mac 版一样」、别顺带把 Linux 也许出去……而且草稿都是短句，没冒充我，也没再自己发了。
上一次被骂过的地方，这一次它都记住了。
一句话，让助理发版
最后下来，改动攒了好几块，我便跟它说：「把今天的改动合成一版发出来」。
它把今天动过的几块列了出来，然后拆给打包那边去做：起版本号、写更新说明、跑测试、出 DMG，到真要推 GitHub 或者往群里发的那一步，会先问一下我。
1.0.11 便这么发了出去，群里也收到了版本通知：
老板姿态
这全部下来，我真正在做的，就是当一个蛮横的老板：只看结果，只提要求，不讲过程，不听解释。
当然，必要的时候，结果不那么好的时候，稍微还是要引导一下，该教的要教一教。
和 AI 协作，大概就得有点这样的老板姿态。这或许才是和 AI 最好的协作方式，也是能让我们早点睡觉的方式。
此外我还想分享的一个经验是：要尽可能一次给 AI 安排一大堆的、大到让人完全干不过来的、极具野心的任务，并讲清楚目标和验收标准。
TRAE 的个人助理现在限时免费一周，从 TRAE 宝入口开启的任务也都会免费，也就是说，这一周里你交给 TRAE 宝的活，都不花钱。
◇ ◆ ◇
