先说结论
走路、通勤、做饭的时候想给电脑上的 coding agent 补一句话，最省事的办法是让手机把你说的话转成文字，再发给那个正在跑的会话。手机系统自带的听写在任何输入框里都能用，所以 SSH 客户端里也能“说”；但终端里一长串转写不好检查，发出去之前也很难改。BotBus 把语音输入放进了续聊、回答提问和新建任务的输入框：iPhone 和 Android 上点麦克风边说边出字，确认后再发；Apple Watch 上抬腕点一下听写，追问说完直接发出。
语音解决的是“打字难”，不解决“看不清”：要判断 agent 改得对不对、要批一条危险命令，还是得看清内容再点。下面分开讲。
几种现成的办法，各适合什么
手机键盘自带的听写。 iOS 和 Android 键盘上都有麦克风键，在哪个输入框里都能用，包括 SSH 客户端。好处是不用装任何东西；问题在于终端界面：转写出来的字挤在一行命令行里，识别错一个文件名要挪光标去改，手机切到后台连接还常断。适合偶尔说一句、本来就开着 SSH 的人。
电脑上的听写或语音工具。 人坐在电脑前、只是不想打字时，系统听写和各种桌面语音输入工具都很好用，直接说进 agent 的终端或桌面 app。但它解决不了“人不在电脑前”。
消息平台或聊天机器人转发。 有人把 agent 接到聊天软件里，用语音消息转文字再转给 agent。能用，但多一层转发，语音和对话都要经过那家平台；这类做法的取舍我们在聊天机器人和手机 app 管 coding agent 的区别里写过。
BotBus 的语音输入。 适合的情况是：你本来就想在手机或手表上看着 agent 的进度，顺手回一句、开个新任务，不想另开终端。它不是独立的语音助手，只是把语音放进了 BotBus 自己的几个输入框里。
BotBus 里哪些地方能用语音
前提先说清楚：BotBus 电脑端装在跑 agent 的那台电脑上（Mac 版是菜单栏应用，需要 macOS 26 或更新；也有 Linux 版和 Windows 版），手机已经配对。电脑要开着、联网，续聊、回答和新建能不能做取决于这个 agent 的连接器支不支持、任务现在是什么状态，做不了的时候按钮是灰的，并写明原因。
iPhone 与 Android 手机：
- 续聊：任务详情页底部的输入框旁边有麦克风按钮，点一下开始说，字一边说一边写进输入框，再点一下停止。
- 回答 agent 的提问：agent 停下来问你问题时，同一个输入框就是回复框，也能说。带选项的提问直接点选项，不用说。
- 新建任务：新建页面的输入框同样有麦克风。选好电脑、项目和 agent 后，把要做的事说一遍就行。
说出来的字先进输入框，不会自动发送。你可以接着打字补充、改掉识别错的词，然后自己按发送；发出去的就是输入框里看得见的那段字。如果输入框里本来就有内容，新说的话会接在后面：中文直接接上，英文单词之间补一个空格，不会把两段粘成一个词。
Apple Watch：
手表上抬腕说一句是最顺手的输入，所以主按钮一点就进系统听写；旁边还有一个键盘键，不方便出声时可以涂写或打字。
- 追问和回复：在任务详情里点“追问”（agent 在等你回答时这个按钮叫“回复”），进系统听写，说完在系统界面里确认就直接发给 agent，不再多一步。
- 新建任务：说的话写进任务内容，可以分几次说，后一次接在前一次后面；说错了左滑内容行清空重来。
- 审批和带选项的提问：这些不用说话，按钮直接点，手表把“批准 / 拒绝”放在底部，不用滚到底。
想看手表上这一套的完整样子，可以看Apple Watch 上管 AI 编程 agent。
识别在哪里做、要什么权限
这部分容易被忽略，但发给 agent 的话里常带着代码、文件名和路径，值得知道它经过了哪里。
- iPhone：用的是系统的语音识别框架。设备支持本机识别时强制在手机上识别，不支持时由系统交给 Apple 的服务器识别（服务器识别单次有时长上限，大约一分钟，所以长话分几段说更稳）。第一次用会请求麦克风和语音识别两项权限，拒绝了也能在系统设置里再打开。识别语言按你系统里设置的语言顺序，挑第一个支持的。
- Android：用系统的语音识别服务，能用本机识别就用本机，并优先离线识别；Android 13 起会先查识别器支持哪些语言，再按系统语言挑，更早的版本交给识别器默认。
- Apple Watch：调用的是 watchOS 自带的听写，BotBus 自己不录音，也不需要单独的麦克风权限。
转成文字以后，这段文字和你打的字走同一条路：在手机上加密，经 BotBus 的中转送到电脑，中转只看得到密文。具体边界见安全说明：内容端到端加密，但服务器看得到设备编号、在线状态、更新时间和数据大小。还要分清一点：文字到了电脑上的 agent 以后，agent 会把它连同上下文发给它用的模型服务商，这一段不在 BotBus 的加密范围内。所以每台设备第一次通过 BotBus 向 agent 发内容时，会弹一页说明，请你核对服务商和隐私政策后再继续，同意后这台设备不再弹。
什么话适合用嘴说
语音输入最好用的是短而明确的指令。几个实际的经验：
- 说目标和约束，不说细节。 “把登录页的错误提示改成中文，别动接口”比逐行描述改法好说也好认。具体的代码让 agent 自己去找。
- 专有名词少说，或者说完检查一下。 函数名、文件路径、命令参数是识别最容易错的地方。手机上转写完先看一眼输入框，改掉再发；手表上追问是说完直接发，涉及名字时宁可换个说法，比如“上次改的那个配置文件”。
- 长需求分段说。 一口气说两三分钟，识别容易漏，iPhone 走服务器识别时还会到时长上限。可以先说目标，停下来看一眼，再补限制条件。
- 回答提问时先说结论。 agent 问“用方案 A 还是 B”，开头就说“用 B”，后面再补理由，转写错了也不至于搞反。
- 适合开个头的新任务。 路上想到一个点子，用手机或手表开个新任务说清楚要做什么，让 agent 先去读代码、出方案，回到电脑前再细看。怎么从手机开任务见在手机上新建编程任务。
不适合用语音的：长段代码、正则、需要精确引号和缩进的内容。这些在手机上打字也费劲，最好留到电脑前，或者让 agent 自己生成。
限制与边界
- 语音只是输入方式。 它能做的事和打字一样多，不会更多：续聊、回答、新建能不能用，取决于连接器、任务状态和电脑是否在线。只读观察的任务，说了也发不出去。
- 审批不靠语音。 批准或拒绝要你点按钮，带选项的提问也是点选。我们刻意没做“说一声就批准”，因为批之前应该先看清它要执行什么。
- 识别效果取决于系统。 BotBus 用的是 iOS、Android 和 watchOS 自带的识别，不是自己的模型；中英混说、口音、环境噪音都会影响结果。没有本机识别的设备要联网才能识别。
- 手表追问说完就发。 手表上没有让你逐字改的地方，听写确认后就发出；觉得没说清楚，可以紧接着再追问一句补充。
- 不支持语音播报回复。 BotBus 不会把 agent 的回答念出来，结果还是要看屏幕上的文字。
- 平台。 iPhone 和 Apple Watch 版在 App Store 上架，需要 iOS 26 / watchOS 26 或更新；Android 版需要 Android 8.0 或更新，在官网下载区获取。
常见问题
语音输入要额外付费或装别的 app 吗？
不用。它是 BotBus 手机和手表 app 里的功能，识别用的是系统自带的服务。
我说的话会不会被 BotBus 的服务器听到？
BotBus 不上传录音。iPhone 和 Android 优先在本机识别；iPhone 不支持本机识别时由系统交给 Apple 识别。转写出来的文字在手机上加密后才经过 BotBus 的中转，中转只看到密文。到了电脑上，agent 会把它发给模型服务商，这一段由服务商的隐私政策管。
说中文、agent 能听懂吗？
转写成什么文字，agent 收到的就是什么文字。识别语言跟着手机的系统语言走；Codex、Claude Code 这类 agent 本身都能理解中文指令。代码里的英文名词建议说完检查一下。
能不能用语音审批命令？
不能。审批和带选项的提问在手机和手表上都是点按钮，这是有意的：批准前最好看清要执行的命令或要改的文件。如果你经常为同一类操作点批准，可以看看怎么安全地开自动批准。
手表听写为什么发出去就改不了？
手表屏幕太小，逐字改不现实，所以追问在系统听写界面里确认后直接发出；想改就在确认前重说，或者改用旁边的键盘键涂写。新建任务不一样，内容可以分几次说、左滑清空，确认后再开始。