我用 TRAE 新出的个人助理，给口喷鸡加了个杀手级功能
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。 只识别我的声音 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....
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）。
