Claude Code 语音输入怎么用？语音写代码的提示词技巧

Claude Code 已经跑了 40 分钟，智能体却把重构做在了错误的那一层。你知道问题出在哪：计费模块看起来多余，但它是为了兼容一家老供应商的怪癖才留着的，真正该改的是上一层。把这件事讲清楚要一整段话。可正写得顺手时停下来敲一整段字，感觉像在受罚，于是你只敲了 11 个词，结果下一次还是没改对。正是这个落差，让编程语音输入成了语音输入最热门的用法之一，也让它和十年前的“语音编程”完全不是一回事。

真正用出价值的开发者，并不是在念括号和分号。他们口述的是意图：提示词、需求说明、commit 信息，以及某条评审意见为什么重要。语法现在归智能体管，解释仍然是你的事，而大多数人用嘴解释比用手指快。

语音编程是什么？智能体出现之前，它是另一回事

在过去很长时间里，语音编程指的是靠语音命令直接写代码、改代码。这是一门要苦练的功夫，图的不是方便。Talon 常和 VS Code 的 Cursorless 扩展搭配，用一套精简的口令词汇，让人完全不用手也能编程。这方面的很多工作，是患有重复性劳损（RSI）的开发者为自己和同样处境的人做出来的。如果你的双手暂时用不了，练上几周，它依然是最靠谱的选择。

变的是工作的基本单位。智能体来写函数时，你产出的就变成了对函数的描述：它该做什么、不能弄坏什么、怎样才算完成。这是一段文字。而写一段文字，恰恰是普通语音输入一直擅长的事。

去翻翻 Hacker News 上的相关讨论，标题大多是“Ask HN: Anyone using dictation with coding agents?”这类，你会发现少了点什么。大家聊的是按键说话的快捷键、自定义词典，以及该把哪个系统级工具接到命令行智能体上。几乎没人问括号怎么念。

写代码时哪些该口述、哪些该手打？

按“这些字是写给谁看的”给一天的工作分个类，界线就很清楚了。写给人看的，或者用自然语言写给模型的，都可以考虑用语音。编译器或 shell 要逐个字符解析的，通常不适合。

关于最后一行：与其逐字口述 shell 命令，不如把目标告诉智能体，批准之前先读一遍它提议的命令。这样就算听错了，也不会直接跑进你的 shell。

语音提示词怎么说才有效？

语音提示词失败的方式很好预测：说着说着就跑偏了。你从目标说起，说到一半想起一个约束，回头补充，最后在测试套件的话题上越扯越远。模型通常能理清楚，但如果脑子里有个简单的框架，第一次就说对的概率会高很多。

语音提示词四要素

背景：现在进展到哪一步，已经有了什么。目标：你想要的改动，一句话说完。约束：什么不能动、要沿用哪些模式、要避开什么。完成标准：用什么测试、行为或输出证明改对了。

按这个顺序说，就很少需要再为漏掉的东西补一次。

提示词是一次到位还是要改三遍，往往取决于下面几个习惯：

• 发送前先读一遍。 Claude Code 的 /voice 默认会等你按 Enter 才发送，这个设置最好保留。花两秒扫一眼，就能在智能体去找那个听错的文件名之前把它揪出来。它的按住模式还有一个短暂的预热，所以如果开头几个词丢了，文档建议把快捷键改绑到修饰键组合上，这样从第一次按键就开始录音。
• 留意内置限制。 按 Claude Code 文档的说法，它的点按录音模式在静音 15 秒或总时长满 2 分钟后就会停止。写长的需求说明，先口述到草稿文件或笔记里，再粘贴进去。
• 按名称的实际拼写来说。 说“auth 文件夹里的 user service 文件”，别指望引擎自己生成精确路径；路径要紧的时候，直接把真实路径给智能体。
• 像对新同事那样跟它说话。 “这段看起来多余，其实不是，因为……”这种话，恰恰是手打提示词时最常省掉的上下文。

有一条边界要说明：如果你要口述的是昨天设计评审会上定下来的事，那是另一件事。把会议上下文送进 Claude 或 ChatGPT，是 MCP 服务器的活儿，详见我们这篇对话类应用如何接入 MCP。

Claude Code、Cursor 和 ChatGPT 自带的语音输入，往往就够用

先看看你的工具里已经有什么。主流智能体都已经跟上了，对很多开发者来说，自带的就够用。

• Claude Code 有 /voice 命令。按住空格键说话，或者切换到点按模式。它针对编程词汇做了优化，会把你的项目名和 git 分支名作为识别提示，音频以流式传给 Anthropic 转写。它需要登录 Claude.ai 账号，所以用 API key 或通过 Bedrock 认证时用不了，在 SSH 会话里也不能用。
• Cursor 在 2025 年 10 月发布的 2.0 版本里加入了 Voice Mode（语音模式）：内置语音转文字来驱动 Agent，还能自定义提交关键词，说出某个短语就开始运行。
• ChatGPT 的消息框里有听写按钮。转写结果以可编辑的文字出现，发送前可以先改。
• VS Code Speech 是 Microsoft 的免费扩展，为 Copilot 加上语音聊天，也能在编辑器里语音输入，音频在本地处理。

如果你一整天都待在其中某个窗口里，就从它开始。问题出在离开它的时候：PR 描述在浏览器标签页里，评审意见在 GitHub 上，站会进展在 Slack 里。每个内置麦克风只在自己的框里管用，于是你要么同时维持好几套按键说话的习惯，要么提示词以外的东西全部回到手打。这就是用系统级语音输入工具的理由：一个快捷键，光标在哪就输入到哪，终端也不例外。

技术术语和变量名总识别错？还有终端输入的坑

开发者讨论帖里抱怨最多的不是速度，而是词汇。通用语音引擎是用日常说话训练出来的，所以 kubectl、useEffect、你们内部的服务名、同事的姓，识别出来都是五花八门的“创意拼写”。工具解决这个问题有三种思路。

第一种是自定义词典：术语加一次，引擎就不再瞎猜。在 Laxis 里这叫“自定义词典”；评判准确率之前，先把你的技术栈、服务名和团队成员的名字填进去。第二种是读取屏幕上的上下文。Wispr Flow 能识别 VS Code、Cursor 和 Windsurf 里可见的函数名、类名和变量名，还能在 Cursor 和 Windsurf 的聊天面板里用语音标记文件；如果你的提示词里满是 camelCase，这是实打实的优势。第三种是用技术语言训练的语音模型，Aqua Voice 给自家 Avalon 模型打的就是这个卖点。

终端是另一个坑。很多语音输入应用是靠粘贴来插入文字的，而终端对粘贴比普通文本框挑剔；Wispr Flow 自己的帮助页面就提到，在 Mac 上给 Claude Code 和 Codex 输入时，要把长段语音输入拆成几段。不管用什么工具，都在你真正使用的终端里口述一段 150 词的提示词，确认每个词都到了，而且没有提前提交。

想用语音输入标点和格式，可以看我们的语音输入命令大全。如果真正的问题是识别不准，语音转文字为什么总听错讲了常见原因和解决办法。

口头禅对模型无害，对评审的人可不是

语言模型能直接读过“嗯、那个、等等、其实”这类口头禅，同事读你的 PR 描述时可没这么好受。去掉口头禅、合并重复短语的清理功能，对给人看的文字比对提示词更重要，所以评判工具时，要看它处理 commit 信息和评审意见的效果，而不是看提示词。

公司代码不能外传，语音输入的音频去了哪里？

上面这些选项，除了本地处理的几个，都会把你的声音发到服务器。Claude Code 的 /voice 流式传给 Anthropic，ChatGPT 的听写发给 OpenAI。Laxis 同样在云端处理语音输入，我们宁愿在这里直说，也不想让你在某个隐私政策页面里才发现。

对大多数提示词来说，这并没有增加多少新的暴露，因为提示词文本本来就要发给模型厂商。变的是链条上公司的数量：通过独立应用语音输入，你的话会先经过语音输入厂商，再到智能体厂商。涉及私有代码、客户名称或任何受保密协议（NDA）约束的内容时，先和公司负责安全的人确认这多出来的一环。

如果音频完全不能离开本机，也有切实可行的选择：VS Code Speech 在本地运行，Superwhisper 可以在你自己的硬件上跑模型。其中的取舍，以及值得向任何厂商提的问题，都在我们这篇端侧转写和云端转写对比里。

向安全团队提的三个问题

按公司政策，说出来的音频算不算源代码或客户数据？语音输入工具本身在不在批准供应商名单上，而不只是编程智能体？是不是有些代码仓库需要本地处理的工具，另一些不需要？

编程用的语音输入工具该看什么？

这里不做排行榜，那是我们语音输入软件对比的事。对编程来说，要问的问题更具体：

1. 到处都是同一个快捷键吗？ 终端、IDE、浏览器和聊天都要覆盖，否则你又得维持四套习惯。
2. 能不能教会它你的词汇，词表能不能跟着你换电脑？
3. 按住还是切换？ 按住适合短提示词；切换模式对长需求说明更友好，也更照顾不想一直按着键的手。
4. 它会改写多少？ 你要的是去掉口头禅、补上标点，而不是把你的技术含义换个说法。
5. 音频在哪里处理，对你手上的代码来说能不能接受？
6. 按什么计量？ 每周字数、每月分钟数还是不限量，这份额度是否和别的功能共用。

说到最后一点，我们的情况是这样的：Laxis 免费版每月 300 分钟，所有用量都在一个池子里，开会和语音输入消耗的是同一批分钟数。提示词都很短，但如果你也用它录会议，就会感觉到两者在抢额度。高级版把额度提高到每月 2,000 分钟，每个新账户都能免费试用 14 天高级版，无需绑卡。Laxis AI 语音键盘支持 Mac、Windows、iPhone 和 Android，能在任何应用里输入，包括 VS Code 和终端。

总结

多年来，反对用语音写代码的理由一直是：代码不是语言。对代码本身来说，这话依然成立；对这份工作来说，已经不成立了。编程里不断变大的那部分，是向一个有能力把东西做出来的对象解释你想要什么，而解释这件事，人们早在有人打字之前就一直在用嘴做。最能用好智能体的开发者，最后可能不是屋里打字最快的人，而是最会跟智能体说话的人。

常见问题

能用语音写代码吗？

能，而且有两种方式。现在大多数开发者是向 Claude Code、Cursor 等 AI 智能体口述自然语言的提示词、需求说明和 commit 信息，语法交给智能体去写。完全不用手的编程，也就是用语音直接写代码、改代码，借助 Talon 和 Cursorless 等工具也能做到，但需要练习几周。

Claude Code 有语音输入吗？

有。Claude Code 有 /voice 命令：按住空格键录音，或者切换到点按模式，你说的话会转写进提示词。它针对编程术语做了优化，会把项目名和分支名作为识别提示。它需要登录 Claude.ai 账号，会把音频流式传给 Anthropic，在 SSH 下或用 API key 认证时不能用。

Cursor 怎么用语音输入？

Cursor 从 2025 年 10 月发布的 2.0 版本起内置了 Voice Mode（语音模式），可以对 Agent 说提示词，还能设置自定义提交关键词。它是为 Agent 输入框设计的。写 commit 信息、PR 描述或在终端里输入时，开发者通常会再装一个系统级语音输入应用，光标在哪就输入到哪。

口述涉及公司私有代码的提示词安全吗？

要看音频去了哪里，以及公司允许什么。大多数语音输入，包括 Claude Code 的 /voice、ChatGPT 听写和 Laxis，都在云端处理，链条上会多一家厂商。如果音频必须留在本机，可以选 VS Code Speech，或 Superwhisper 这类本地模型工具。先查一下公司的安全政策。

怎么让语音输入正确拼出技术术语和变量名？

评判准确率之前，先把它们加进自定义词典。大多数语音输入工具，包括带“自定义词典”的 Laxis，都能保存库名、内部服务名和同事的名字，让引擎不再瞎猜。有些工具还能读取编辑器里可见的名称。大小写特殊的标识符，直接手打或让智能体补全通常更快。

语音输入软件能在终端里打字吗？

能。大多数系统级语音输入应用除了编辑器和浏览器，也能在终端里输入，不过终端处理粘贴文本的方式和普通文本框不一样。在你实际使用的终端里用一段长提示词测试，检查每个词是否都到了。别逐字口述 shell 命令；把目标告诉智能体，再审查它提议的命令。