Mac 上给 Codex 语音输入：整理成可审阅的指令

一个好用的口述编程指令，需要说明改什么、为什么改，以及哪些东西不能动。把口语逐行加上项目符号，并不一定能把这些关系理顺。目标应该是得到一段可以先检查、再交给编码工具执行的文字。

ListenIn 是 Mac 语音输入软件：在本机识别语音，整理识别出的文字，安全时插入当前输入框。在识别到的 Codex 桌面 App 中，可选的指令清稿模式会把口述整理成适合 AI agent 阅读的要求。它不会读取你的仓库、修复代码，也不会自动发送指令。

先区分听写和实时语音对话

OpenAI 的语音文档区分了两种用途：听写先把语音变成文字，再由你发送；实时语音可以边对话边讨论、调整任务。具体入口和可用性取决于当前 App、账号和工作区。如果原生功能已经满足需求，先用它即可。

想做的事	可以先尝试
来回讨论正在执行的任务	编码工具可用的实时语音功能
发出指令前检查并编辑文字	原生听写或系统范围的语音输入软件
在 Codex、邮件、笔记中使用同一个快捷键	ListenIn 这类 Mac 语音输入软件
识别和清稿都留在本机	安装所需模型后，让 ListenIn 在离线模式使用 localhost Ollama

听写在本机完成，不等于后续编码 agent 也在本机运行。把文字发送给 Codex 之后，处理方式遵循 Codex 自己的设置与数据政策。本地与云端听写的边界解释了这一区别。

在 Codex 输入框里配置 ListenIn

1. 在 macOS 14 或以上安装 ListenIn，完成麦克风、语音识别和辅助功能设置。macOS 14–15 还需要确认所用的听写语言已经下载。
2. 打开 ListenIn 设置 → 听写，开启 「在 AI 编码工具里写成 prompt」。它负责在识别到的编码 App 中选择指令清稿，普通 App 的清稿强度是另一项设置。
3. 在同一页确认触发键。默认是 fn／地球键；如果 macOS 已占用 fn，新安装可能使用右侧 Command。以你当前设置为准。
4. 打开 Codex 任务，点击输入框，按触发键开始口述，再按一次结束。如果配置了按住交互，就使用该交互。
5. 检查插入的文字，修正遗漏或标识符，再自行发送。

第一次先用无副作用的句子检查焦点和文字插入，不必让编码 agent 为了测试听写而修改生产数据。如果 fn 打开了表情或切换了输入法，先看快捷键冲突处理。

先理顺意思，再决定段落或列表

当前指令清稿规则要求把目标放在前面，合并重复请求，把理由和限制放到相关行动旁边。简单要求可以只用一句话，多项独立要求才考虑分条。无论使用哪种格式，都不应该新增你没说过的测试、工具、路径或实现方案。

下面的输出来自 2026 年 10 月 12 日对 ListenIn 内置清稿的开发验证。它是行为示例，不是准确率测评，也不保证每次口述都会产生相同文字。

测试原稿（模拟口述表达）：

那个设置里按钮太小了，然后点起来容易点错，我想让它更容易点击，但是别把整个页面都改了。

整理后的指令：

提高设置按钮的点击便利性，解决按钮太小、容易误点的问题；不要改动整个页面。

这段文字明确了行动，保留误点的理由和修改范围，没有自行决定按钮要改成多大，也没有新增整页设计方案。真正的不确定性要留下，例如「我不确定是不是缓存的问题，先检查原因，不要直接清缓存」，不能整理成「清理缓存」。

结果仍取决于识别器和清稿模型。发现术语或限制不对时，在 听写历史 中对照原稿和成稿。清稿强度选择说明了应该检查哪些内容。

出现复制卡片，没有插入 Codex 时怎么办

复制卡片表示结果已经保留，但 ListenIn 无法确认自动插入足够安全。看到光标，不等于 App 已经通过辅助功能暴露了可写入的输入框。

检查项	下一步
缺少辅助功能权限	给当前安装的 ListenIn 授权，再重试
录音或清稿时换了 App、输入框或选区	重新聚焦目标，点击复制，再手动粘贴
输入框受保护，或终端开启了安全键盘输入	保留安全保护，在合适的位置手动复制粘贴
App 没提供足够的输入框信息	使用复制降级，不必反复听写同一句话

点击 复制 会把结果放入剪贴板，原卡片替换成短暂的 已复制 提示，不会替你发送。确认文字所在位置后，再按 Enter。

如果使用 Terminal、iTerm2 中的 Codex CLI，插入能力还取决于终端和安全输入状态。终端听写故障指南单独介绍了这条路径。

桌面 App 和浏览器输入框的识别边界

ListenIn 在录音开始时记录目标。原生编码 App 通过 App 身份识别；如果当前输入框的辅助功能父级提供网页 URL，也可以识别受支持的 AI 网站，以及部分网页邮件、聊天和文档场景。搜索框和密码框不自动进入 agent 指令模式。

它不会读取你输入的正文或仓库来决定语气。浏览器能识别到什么，取决于浏览器暴露的辅助功能信息。未知网站或读取不到 URL 时，回到 App 级别的判断；仅凭标题里出现编程关键词，不足以认定它是编码输入框。

中文要求里保留英文标识符

可以口述包含 token、cache、unchanged 等英文词的中文要求。项目词汇可放进个人词典；反复出现、含义明确的错误可使用显式替换规则。路径和符号仍有歧义时，拼读或手动修正更稳妥。

如果原稿里的英文已经识别错了，先看中英混合听写指南。指令排版无法可靠还原一个没有被识别出来的标识符。

哪一步留在本机，哪一步需要网络

语音识别在 Mac 上运行。内置清稿把识别出的文字发送到 ListenIn 服务，自带 API Key 的清稿发送到你选择的模型提供方。安装好所需模型后，离线模式使用 localhost Ollama，可以把清稿也留在同一台 Mac 上。原始听写和跳过模型的短输入还有各自的路径，完整说明见按模式列出的安全边界。

需要本地清稿时，先按Ollama 配置指南设置，再断网测试输入框。成功的断网听写只验证这次听写流程，不代表把指令发给 Codex 之后也不会联网。