Talky：2025 年 2 月，用语音做一个 Agentic AI 助手
2025 年 2 月，我用 Cursor 做了一个语音助理 App，叫 Talky。
做这个项目时，我正在关注 AI Builder 和 AI Agent。那段时间，大家已经不只是讨论大语言模型本身，也开始讨论 Agent：一个 AI 不只是回答问题，还可以调用工具、做任务分发、根据反馈调整自己的行为。
我想把这个想法放进一个具体的生活场景里试一试。
这个场景就是语音备忘。
为什么想做
我当时有一个很直接的需求：很多想法和小事情，打字记录太麻烦。
比如下班路上突然想到一个点子，或者临时想到一个 todo，又或者想记录药品、食品的保质期。打开一个 App、选分类、输入内容、保存，这一套流程太重，很容易让人放弃记录。
语音是一个更自然的入口。
我希望自己可以直接说一句话，然后让 AI 判断这句话到底是什么：
- 是一个日程。
- 是一个 todo。
- 是一个药品或食品的保质期。
- 是一段日记。
- 是一个突然冒出来的小想法。
这就是 Talky 的起点：我想做一个能听懂语音，并把语音分发到不同记录场景里的个人助手。
我想探索的 Agent 能力
Talky 不只是一个语音转文字工具。
我更想探索的是：语音输入之后，AI 能不能继续往后走一步，理解用户真正想让它做什么。
当时我对 Agent 的理解主要有几件事：
- 它可以调用工具。
- 它可以根据任务类型走不同流程。
- 它可以在执行后根据结果继续判断。
- 它可以通过用户反馈慢慢变得更贴合用户。
放到 Talky 里，这意味着 AI 需要先理解语音内容，再决定它应该进入哪个路径。
如果用户说的是“明天下午提醒我去医院”，它应该更像日程或 todo。
如果用户说的是“雀巢黑巧克力保质期 12 个月，生产日期 2024 年 9 月 23 日”，它应该识别成物品记录，并计算或保存保质期相关信息。
核心设计
Talky 的核心设计有两层。
第一层是任务分发。
用户说一段语音后，系统先把语音转成文字，再让大语言模型判断这段内容属于什么类型。不同类型会进入不同记录路径，比如语音备忘、物品记录、日程或其他工具。
第二层是用户反馈。
语音识别和大模型判断都可能出错。比如用户说“知味观绿豆酥”，系统可能识别成“知味罐绿豆酥”。如果用户在确认界面里手动修改，或者通过语音表达“刚刚识别错了”，这些纠错信息会被记录下来。
下一次再处理类似内容时，系统会把这些历史纠错作为上下文一起提供给模型。
我当时想做的不是一个固定规则的备忘录，而是一个能通过反馈慢慢更懂用户的语音助手。
做到了什么
Talky 当时已经做到一个基本能用的版本。
它可以真实语音输入，可以做分类，可以保存记录，也可以做 AI 反思纠错。它不是只有概念，而是有可操作的 demo。
为了测试和内测，我还花了大概 700 元开了 Apple Developer 账号。
最后它没有正式上线。主要原因是工作比较忙，没有足够时间继续维护。这个项目的很多优化点，都需要下班后或周末继续改。等到有优化点但没有及时处理，项目就慢慢停下来了。
这个项目的价值
Talky 对我来说，不只是一个语音备忘 App。
它更像是一次 Agentic AI 的早期产品探索。
我通过这个项目，把几个抽象概念放进了一个具体产品里：
- 语音入口。
- 意图识别。
- 任务分发。
- 用户纠错。
- 历史反馈进入上下文。
- AI 逐步适应用户表达。
它让我更具体地理解：一个 AI 助手如果想真正有用，不能只停留在“把语音转成文字”。它需要知道这句话应该进入哪个流程，也需要从用户的修改和反馈里学习。
Talky 当时已经能用，但用户体验还有很大优化空间。
对我来说，它最重要的意义是：我开始把 Agentic AI 从一个概念，放进一个自己真实会用的产品场景里。