语音生产力栈：我们实际用来写作、交付和思考的 9 个工具

Loqua 是一款 Mac 原生语音输入工具，可以把语音转成理解 App 上下文的文本。一套好用的语音生产力栈不能只有转写：它需要一个思考的地方、一个写代码的地方、一个追踪工作的地方、一个捕捉会议的地方，以及能在这些工具之间快速移动的命令入口。

这套栈的原则

我们把 Loqua 放在第一位，是因为它是我们写的工具，也是这整套工作流依赖的语音层。这是诚实的 framing，而不是声称每个用户都应该用 Loqua 替换所有工具。只有当输出以正确形状落在正确目标里时，语音才会变成生产力。

原则很简单：说一次，干净地路由。语音层应该移除填充词，保留技术名词，并按当前 App 格式化。周边工具应该让工作继续前进，而不是把用户重新拖回手动复制粘贴。语音生产力栈成功的标志是：从口头想法到被保存的工作产物，耗时比单独用键盘更短；而且当某个人（往往是未来的你）再次打开这个产物时，它确实有用。

9 个工具

1. 1. Loqua

   Loqua 是语音生产力栈的捕捉层。我们用它写 Slack 回复、Cursor prompt、代码注释、Git commit message、Linear issue 和长笔记。它的价值在于应用感知输出：同一句口头表达，在终端里会变成简洁 commit subject，在 Spark Mail 里会变成更温暖的段落。

   一个典型使用周大概是这样：几百条听写的 Slack 和 Linear 消息，几十个代码注释和 commit subject，几段直接落进 Obsidian 的长脑暴，以及偶尔快速清理一篇长文初稿。Loqua 能排在栈顶，是因为从想法到已保存文本之间的摩擦，稳定地低于打字。

2. 2. Claude Code

   Claude Code 是语音变成实施计划的地方。我们会听写高层改动，然后让 agent 检查文件并提出编辑方案。语音在这里很好用，因为 prompt 往往比命令更长，也更需要细节。

   一个典型听写 prompt 通常有四五句话：想做什么、需要关注哪些文件、要避免什么、成功标准是什么。手打一条这么谨慎的 prompt 会花真实时间；说出来几乎没有成本，而 agent loop 会受益于额外上下文。我们经常一边看 diff，一边把一个小重构的完整 spec 听写出来。

3. 3. Cursor

   Cursor 是我们的交互式代码编辑器。语音在 Cursor 里最适合用于有目标的重构、docstring、code review note 和测试大纲。Loqua 会保留可见文件中的标识符，让 prompt 不丢关键名称。

   我们最常用的流程是：选中函数，按下 Cursor chat 快捷键，然后听写“add a docstring with arguments returns and an example”或“refactor this to early-return on the null case.” 屏幕上下文让 Loqua 能保留函数和参数名，而这正是手打 prompt 也容易出错的地方。

4. 4. Obsidian

   Obsidian 是原始思考变成长期笔记的地方。语音特别适合 daily log、研究摘要和 brainstorm tree。我们会听写标题、bullet 和链接，然后稍后用键盘快捷键清理结构。

   我们 vault 里的 daily note 经常从五分钟口头流开始：接下来要做什么、卡在哪里、今天已经答应了别人什么。听写把捕捉成本降到足够低，笔记才真的会被写下来；对 knowledge graph 来说，这就是关键。

5. 5. Granola

   Granola 负责会议笔记。Loqua 与它互补：捕捉会前上下文、会后任务，以及那五分钟把逐字稿整理成计划的会后清理。

   两个工具之间的交接很重要。Granola 给我们粗略会议记录；Loqua 则是我们会后立刻用来听写“三个决策、两个 follow-up、每个任务一个 owner”摘要的工具，这些内容才真正推动工作向前。

6. 6. Linear

   Linear 是口头 bug 变成有范围工作的地方。我们会听写标题、上下文、复现步骤和验收标准。关键动作是把“发生了什么”和“完成是什么样子”分开。

   这里一个有用的语音习惯是：在描述 bug 之前，先听写验收标准。它会迫使口头 issue 以明确的完成定义结束，而不是停在一个模糊抱怨上；后者是 issue 在 review 中卡住的最大原因。

7. 7. Raycast

   Raycast 让整套栈保持快速。语音产出文本；Raycast 把我们送到正确的 App、命令或 snippet。组合起来，它减少了从口头意图到下一步具体动作之间的摩擦。

   我们会把 Raycast snippets 和 Loqua 搭配起来处理重复模式：snippet 建好 Linear issue 模板、Obsidian daily note 或 PR description skeleton；Loqua 用听写文本填入变量部分。键盘快捷键设置形状，语音填充内容。

8. 8. Things 3

   Things 3 是我们的个人任务捕捉工具。它不是团队 tracker，而是存放“午饭后记得检查这个”的私人地方。语音让捕捉足够低摩擦，小任务就不容易漏掉。

   语音在这里比在团队 tracker 里更重要，是因为个人任务小、频繁，而且很容易掉地上。如果捕捉需要一次打字中断，这个任务就会被跳过，并在之后变成问题。如果捕捉只是在 Things 里说一句话，这个任务就能留下来。

9. 9. Spark Mail

   Spark Mail 是语音帮助调整语气的地方。我们说出粗糙答案，Loqua 清理它，Spark 发送最终邮件。它比打字更快，因为客户回复常常更需要温度，而不是精度。

   在更长的客户 thread 里，会出现一个有趣模式：听写文本往往比打字版本更友好。我们已经不再试图过度解释这件事。如果一句温暖的话能让客户感觉被听见，那么用听写代替打磨手打段落所花的时间就是值得的。

对比矩阵

跨工具语音流程

我们试过但放弃的东西

一套能工作的语音生产力栈，也部分由你移除的东西定义。我们不再经常使用的工具大致有三类：用强制字段惩罚口头输入的重型项目 tracker；只捕捉音频、却不产出可审阅文本的 voice-first 笔记 App；以及在真正有用前需要一套启动仪式的 AI agent。它们单独看都不错，但一旦加入日常循环，就会破坏 flow。我们最后得到的通用规则是：一个工具只有在 15 秒听写后能产出“队友周一早上无须额外上下文也能读懂”的东西，才配进入语音生产力栈。

如何选择你的栈

从语音最能节省时间的目标位置开始。如果你写很多 prompt，就把 Loqua 和 Claude Code、Cursor 搭配起来。如果会议占据大部分时间，就搭配 Granola、Linear 和 Things。如果你通过笔记思考，就从 Obsidian 和 Raycast 开始。最好的 Mac 生产力栈，是那套能让语音输出落到可执行位置的栈。

第二个原则是：在摩擦证明你需要扩张之前，保持栈很小。每小时都在用的三个工具，比一周只想起来打开两次的九个工具更有生产力。Loqua 加一个笔记 App 再加一个 tracker，就是可信的起点；只有当某个重复工作流能证明自己时，再加入其余工具。