你需要的是听写、编辑器语音命令，还是 AI 编程智能体？

先想清楚你希望这些话做什么。如果希望它们出现在笔记或提示词里，你需要文字输入；如果希望它们选中并改变编辑器里的内容，你需要目标明确的编辑动作；如果希望系统自行拟定一项改动，你是在委派 AI 任务。

这些角色可以出现在同一工作流中。你可以口述解释，用已配置的命令选中文字，再让智能体提供候选补丁。为整个工作选软件之前，先确定每一步的角色。

一条关于口述编程的公开提问让这个区别变得具体：作者想要语音转写与编程相关命令，同时明确不想要会猜测实现的 LLM。这是一个有用的选型问题。谈论代码，不一定意味着要求 AI 写代码。

下面用一个虚构的临时编辑任务，展示达到同一结果的三条完整路线。流程与文字状态都是编写的教学材料，并非运行语音软件、编辑器或编程智能体得到的结果。

决定怎样口述之前，先定义结果

在可丢弃的临时缓冲区中，放入以下精确文字：

function seatsLeft(capacity, taken) {
  const freeSeats = capacity - taken;
  return Math.max(0, freeSeats);
}

const guidance = "replace freeSeats with availableSeats";

再设想有一个独立、初始为空的笔记输入框。任务分为两部分：

1. 在笔记中输入字面原文 replace freeSeats with availableSeats。
2. 将函数内的局部变量从 freeSeats 改名为 availableSeats，同时修改声明与返回表达式中的引用。

函数名、参数、计算和源码布局都保持不变。引号内的 guidance 字符串必须原样保留。本练习不涉及仓库搜索、新功能、终端操作或测试执行。

预期源码为：

function seatsLeft(capacity, taken) {
  const availableSeats = capacity - taken;
  return Math.max(0, availableSeats);
}

const guidance = "replace freeSeats with availableSeats";

预期笔记仍为：

replace freeSeats with availableSeats

这个小任务包含关键歧义。同样的话，可以是要保留的句子、对编辑动作的描述，或要求智能体提出该动作的指令。它的去向和解释方式，决定了实际是哪一种。

路线 A：口述笔记，再自己编辑两个标识符

先识别独立笔记输入框，将插入点放进去。口述这一行，检查可编辑文字，并修正或粘贴精确的标识符拼写。笔记现在应包含 replace freeSeats with availableSeats。

此时源码尚未改变。文字输入这一步完成了自己的工作，但还没有完成改名。描述编辑的句子，即使没有执行任何编辑器动作，也可以是有用的文字。

接着，手动选中源码第 2 行声明处的 freeSeats，只把这个标识符替换为 availableSeats。再选中第 3 行的引用，做同样替换。中间会短暂出现只有声明改了的状态；完成两处编辑后，才能把源码视为目标结果。

最后一起检查源码与笔记。两处代码引用都应使用新名称，引号内字符串与独立笔记则仍精确保留包含新旧名称的原句。这样便通过听写加手动编辑，完成了临时任务。

如果口述有助于记下解释，而现有编辑器已经能方便地精确选择，这条路线就适用。名称可以打字或粘贴。对于自己已经理解的两处修改，不必增加命令系统或 AI 生成的补丁。

路线 B：使用已配置的编辑动作与字面文字输入

直接用语音编辑，不只是识别说了什么。它还需要把识别到的请求映射为编辑器动作，并能识别当前目标、检查选区。

这段流程假定存在一种配置，能够选中精确显示的标识符、用给定文字替换选区，并把字面文字输入独立笔记。这些是本例的前提。下面的动作描述不是 Talon 或某款 IDE 的语音口令教程。

从原始源码和空笔记开始：

最终比较与路线 A 相同：两处代码标识符改变、引号内字符串不变、笔记精确一致。区别在于如何请求这些编辑。这里的人已经选定改动，由配置好的命令通道执行指定的编辑器动作。

如果第 1 或第 3 步无法确定选区，就先不要发出替换。改用手动选择和打字，完成剩余的明确编辑。如果第 2 步已经发生，就保留中间状态，检查还剩什么，而不是盲目开始全局替换。

实际安装时，应核对相关配置。Talon 的第一方源参考分别列出了文字输入、按键和模式定义。其听写模式说明仍区分命令与其他语音。因此，仅凭模式名称，不能确定每个短语都会按字面文字处理。

这份参考是文档示例，不是你的编辑器已安装某种选择或改名命令的证据。适配这条路线前，先确定当前配置支持的精确操作，以及怎样将类似命令的话输入为文字。如果缺少这项能力，那一步就继续使用手动路线。

路线 C：请 AI 智能体提供候选改动

第三条路线将这些话发往 AI 对话。你提供完整源码、精确名称、字面笔记和改动限制。请求输出的是供检查的候选补丁，因此在考虑它时，临时缓冲区仍未改变。

你可以先把解释口述进请求草稿，再粘贴精确材料。提交前检查组装后的请求。下面是完整版本：

只以文字形式，为这份精确的六行源码准备候选改动。
将局部变量 freeSeats 改为 availableSeats，修改第 2 行声明
与第 3 行引用。第 6 行引号内的字符串保持不变。

function seatsLeft(capacity, taken) {
  const freeSeats = capacity - taken;
  return Math.max(0, freeSeats);
}

const guidance = "replace freeSeats with availableSeats";

同时将以下精确的独立笔记行，作为字面文字返回：
replace freeSeats with availableSeats

保留 seatsLeft、capacity、taken、减法、Math.max(0, ...)、
guidance、引号内字符串、标点、空格和顺序。
只改指定的两个源码标识符。

返回虚构 scratch/seat-note.js 的 unified diff，把笔记放进
独立文字块，再给出简短解释。将实际完成的检查
与拟议检查分开。所需源码已全部粘贴在上方。
不访问仓库、不编辑文件、不运行命令或测试、不联网或部署。

你希望得到的是下面这个两处标识符补丁。这里展示的是作者编写的预期结果：

 function seatsLeft(capacity, taken) {
-  const freeSeats = capacity - taken;
-  return Math.max(0, freeSeats);
+  const availableSeats = capacity - taken;
+  return Math.max(0, availableSeats);
 }

将候选改动与完整源码比较，包括这段片段之外、应保持不变的 guidance 行。单独检查返回的笔记。两者符合任务后，可以手动把候选改动采用到可丢弃的临时缓冲区，再将最终文字与共同目标比较。

在真实智能体工作流中，应检查实际返回内容，不要假定它会与本例一致。额外整理、字符串改变或笔记缺失，都应让候选改动回到同一个小任务。解释很有说服力，也不能让错误补丁变正确。

当你希望获得拟定或提出改动的帮助时，这条路线有用。但对于这么小的改名，路线 A 可能已经足够。本例要识别的是委派步骤，不是把 AI 生成变成语音编程的前提。

分开字面文字、编辑动作与生成的改动

只看短语本身，工具无法得知你希望它扮演哪种角色。可以使用一张简短边界表：

全局文字替换是一个有用反例。它可能产生：

const guidance = "replace availableSeats with availableSeats";

即使函数中的两处变量引用都正确，这一行仍违反任务。旧名称应留在这个字符串里，因为它是字面说明。“新名称到处都出现了”不是正确的完成标准。

同样，笔记里有正确短语，不代表已经编辑；智能体返回补丁，也不代表补丁已经应用。应比较你实际需要的产物：源码与笔记两者。

按缺少的步骤选择软件

更换工具之前，用自己最小的真实任务，明确缺在哪里。

填写命令或快捷键之前，先记录环境与所需行为：

任务与精确起始内容：
应按字面输入的文字：
我想要的编辑器动作，如有：
我需要的 AI 生成产物，如有：

编辑器／平台／版本：
语音工具／版本／配置：
这项精确操作的文档：
怎样识别当前目标并检查选区：
怎样按字面输入类似命令的话：
哪些有文档、已在本地观察，或仍未知：
手动选择／打字的备用路线：
预期的前后文字：
实际尝试后的观察：

实际尝试之前，观察栏留空。源参考示例或别人的推荐，可以指向候选方案，但不能提供你的结果。你也可以保留现有工作流中已经合适的部分。同一任务可以用语音写笔记，用键盘改两个精确标识符。

配套的边界与适配卡包含本例的已填版本。另一个问题是口述 AI 请求应发往哪里，可参阅跨 AI 对话使用语音输入。

最后比较同一个目标

对 SCRATCH-6，完成条件很具体：声明与返回引用使用 availableSeats；引号内 guidance 字符串不变；独立笔记包含精确要求的短语。

计算仍是零与 capacity 减去 taken 的较大值。在本例的非负整数输入范围内，人工预期为：capacity 10、taken 3 时结果为 7；2 与 5 时为 0；5 与 5 时为 0。这些是推理示例，不是执行过的测试。

完整示例材料、预期补丁和完整路线流程将中间状态与同一最终目标放在一起。应根据谁提供文字、谁决定编辑来选择路线。口述可以参与其中，但不必让每句话都变成命令，也不必让每项编程任务都依赖 AI 生成。