VoiceInput

macOS 菜单栏语音输入应用 —— 按住 Fn 键录音，AI 帮你处理。

功能

三种模式（双击 Control 切换）

模式	图标	功能
Input 语音输入	🎤	语音转文字 + LLM 纠错 → 注入光标
Assist AI 助手	💬	语音提问 → AI 回复（弹窗 + 可选朗读）
Agent 个人助手	🤖	Better Siri — 多轮对话 + 记忆系统 + 工具调用 + 流式输出

Agent 个人助手亮点

• 🧠 记忆系统：自动记住你的偏好、习惯、待办，跨对话持久化
• 🖥 Mac 原生集成：充分利用 osascript、系统命令等 macOS 能力
• 🎤⌨️ 统一弹窗：语音/打字输入使用同一刘海界面，按 Fn 即弹出
• 📝 语音自动发送：说话内容自动填入输入框并发送（可关闭）
• 💬 对话持久化：对话自动保存，启动时恢复；token 计数跟踪
• 🔄 自动新建对话：token 超限时自动开启新对话（阈值可配）
• ⚙️ 可定制身份：设置 AI 助手名字、语气、对你的称呼
• 🔧 工具调用：读写文件、执行命令、网络搜索等

其他亮点

• 🎤 按住 Fn 说话：全局监听，长按录音松开注入
• 📝 流式识别：Apple Speech Recognition 实时转录
• 🌐 多语言：简中 / 繁中 / English / 日本語 / 한국어
• 🪟 刘海弹窗：AI 回复在 DynamicNotch 弹窗展示，支持复制和继续对话
• 🔊 语音朗读：macOS 原生 TTS 朗读 AI 回复（Assist/Agent 可独立开关）
• 🎚 实时波形：5 条 RMS 驱动的球形波动画

系统要求

• macOS 14+
• 辅助功能权限（监听 Fn 键）
• 输入监控权限（Fn 键长按检测）
• 麦克风权限
• 语音识别权限

快速开始

make build   # 编译 + 生成 .app
make run     # 构建并启动
make dmg     # 生成分发包（自动清空 API Key）

首次运行需授权辅助功能和输入监控两个系统权限。

使用

1. 点击任意文本输入框
2. 双击 Control 切换到想要模式
3. 按住键盘左下角 Fn / 🌐 键
4. 说话，胶囊窗口显示实时转录
5. 松开 Fn → 文本注入（Input）/AI 回复弹窗（Assist/Agent）

点击菜单栏图标可切换语言、模式或配置 LLM。Agent 模式下可从菜单进入助手设置和记忆管理。

三种模式详解

Input（语音输入）

语音转文字 → LLM 纠错（可选）→ 注入光标。适合日常输入。

Assist（AI 助手）

语音提问 → LLM 回复。可选择直接注入或刘海弹窗展示。 弹窗模式下可开启朗读，AI 回复自动语音播报。

Agent（个人助手 / Better Siri）

语音或打字输入 → 多轮对话 → 工具调用 → 流式输出。 Agent 被设计为个人 Mac 助手，会自动记住你的偏好、习惯和待办， 熟练使用 macOS 原生能力（如 osascript、系统命令）帮你完成任务。

记忆系统自动工作，跨对话持久化：

• 你说"记住明天下午3点开会"→ Agent 记下待办
• 你说"我不喜欢蓝色"→ Agent 记下偏好
• 你下次问"给我推荐一个壁纸"→ Agent 自动避开蓝色

内置 Node.js 运行时，无需额外安装。

配置

模块	配置方式	存储位置
Input LLM	菜单栏 🎤 Input LLM → Settings	UserDefaults
Assist LLM	菜单栏 💬 Assist LLM → Settings	UserDefaults
Agent LLM + 助手设置	菜单栏 🤖 Agent LLM → Settings / ⚙️ 助手设置	~/Library/Application Support/VoiceInput/
记忆管理	菜单栏 🧠 记忆管理	~/Library/Application Support/VoiceInput/memory/

Agent 支持多模型配置，在 Settings 中添加/编辑/删除。覆盖安装不会丢失配置。

构建

make build      # Debug 构建
make release    # Release 构建
make run        # 构建并启动
make install    # 安装到 /Applications
make dmg        # 签名 + 创建 DMG（自动清空 API Key）
make clean      # 清理

项目结构

Sources/
├── App/           # AppDelegate + 菜单栏控制器
├── Core/          # 按键监听、语音识别、LLM、Agent 桥接、弹窗管理
├── UI/            # 浮动窗口、波形、设置面板、Agent 弹窗、记忆管理窗口
└── Utils/         # 配置持久化

Agent/              # Node.js CLI（智能体运行时）
├── bin/node        # 内置 Node.js（arm64）
├── prompts/        # System prompt
├── src/            # bridge.js + 工具实现（记忆/身份/文件/命令/搜索等）
└── node_modules/   # npm 依赖

许可

MIT