开发者造语音助手实测 Windows 电脑:开应用竟是最难功能
720beats · reddit · 2026-10-17
作者用 Python + Gemini + pywebview + 插件文件夹搭了一个随叫随到的 Windows 语音助手「Hey Milo」,并分享了几个反直觉的工程心得:
- 开应用是最难的「简单」功能:Windows 应用形态五花八门(商店应用、桌面程序、快捷方式、被 OneDrive 挪走的目录),最终用系统开始菜单列表建索引做模糊匹配。
- 可打断比音质更重要:让麦克风在助手说话时仍监听「停」或自己的名字,体验立刻提升十倍。
- 启动时间决定留存:把加载全部移到后台线程,用真实进度清单的加载页替代黑盒等待,实际没变快但感觉快得多。
- 免费 API 额度撑不住「永远在线」:每个提醒、搜索、追问都是请求,免费额度很快耗尽。
- 涉及钱的功能要硬限制:接入交易平台后设置了 AI 无法「说服」绕过的最大仓位、超小额需人工确认、日亏损达限即锁到次日。
文末向社区提问:哪个功能让你真正天天用?哪些事绝不放手给助手?
「编程与Agent」频道最新
- Agent 三天谈下 3PL 合同：找仓、询价、砍价全流程自动化 — aarthir · 2026-10-17
- 四大模型同题比拼 3D 体素小岛：Gemini 3 的美术公认最能打 — cedric_chee · 2026-10-17
- Claude Code 逆向工程 OpenAI Atlas 浏览器系统提示词，与 Grok 提示词对照 — DionysianAgent · 2026-10-17
- Hugging Face Hub 上线 RL 环境专区，已收录 153 个智能体环境 — mervenoyann · 2026-10-17
- AI 炒股提示词系列:追踪抢在美国交易员前面讨论美股的海外账号 — bigaiguy · 2026-10-17
- AI 炒股提示词系列:扫描 X 上悄悄利好特定公司的监管风向 — bigaiguy · 2026-10-17