Mac 上给 Codex 语音输入：设置与排障

Mac 上给 Codex 口述 prompt，可以使用桌面输入框里可用的 Dictate（听写），或先点进输入框，再启动 Ducduc 这样的独立听写 App。结束录音后检查文字，再发送。想边说边讨论、调整正在执行的工作，则使用可用的实时语音对话。

本篇分别说明桌面输入框和终端路径。口述仍要说明想改什么、相关背景和需要保留的边界；听写无法替你补齐没有说出的需求。

Ducduc 是 Mac 语音输入软件：在本机识别语音，整理文字，安全时插入输入框。可选的指令清稿依据开始录音时记录的 App 或支持的网站场景。自动进入指令模式需要识别出宿主；其他 App 或封装版本可能采用普通清稿。普通听写不读取仓库，也不执行任务。独立的「AI 指令」模式可以配置自动发送，因此下面使用普通听写来保留先检查的步骤。

先区分听写和实时语音对话

OpenAI 的听写说明写明：在桌面输入框选择 Dictate，说话，检查并编辑转写，再发送。语音对话文档则使用受支持任务中的 Start voice chat。这两个动作不同。缺少语音对话入口时，检查 App 与任务主机更新、账号灰度和工作区可用性；这不直接代表听写也不可用。官方文档于 2026 年 10 月 25 日重新核对。

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	Ducduc 这类 Mac 语音输入软件
识别和清稿都留在本机	Ducduc 离线模式、已下载的本地语音和 Ollama 模型，并关闭 Ollama 云功能

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 Ducduc

1. 在 macOS 14 或以上安装 Ducduc，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 Ducduc 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。

第一次可以口述「总结这个任务，不要修改任何文件」，先检查输入框，暂不发送。测试通过的标准是：文字落在目标输入框，保留“不修改文件”的约束，而且仍等待你发送。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。

2026 年 10 月 17 日，我们把下面的模拟转写发到生产清稿接口，使用指令模式。下方是这一次纯文字检查返回的原样结果；请求设置、时间与输出已归档。这只检查清稿，没有测试语音识别、App 检测、延迟或重复稳定性。

模拟转写输入：

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。

实际清稿响应：

设置里的按钮太小，容易点错；希望提升可点击性，但不要改动整个页面。

这个响应保留了按钮太小的问题、提升可点击性的要求与修改范围，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」。

发送前检查三件事：要做的修改是否还在、范围限制是否还在、对原因的不确定性是否保留。然后单独核对标识符，例如 cacheKey 与 cache key 在日常文字里相近，在仓库里却可能指不同对象；需要精确写法时，手动输入或粘贴。

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 Ducduc 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 Ducduc 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

Ducduc 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 Ducduc 服务，自带 API Key 的清稿发送到你选择的模型提供方。下载本地模型、关闭 Ollama 云功能后，Ducduc 离线模式可以把清稿也留在同一台 Mac；只有 localhost 地址不能证明推理留在本机。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。

要尝试输入框流程，可以先下载 Ducduc，选好触发键，口述一句不敏感的短指令。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。

用一条短指令分别验收三个环节

先念这条构造的测试文稿，不要发送：“检查按钮间距，但不要修改代码。先把发现的问题给我。周五——不对，改成周一，等我确认测试结果之后再做。”这不是实测准确率或耗时证据。

• **识别词语：**核对项目名与英文术语。原稿已经听错时，调整提示词格式不能证明识别问题已解决。
• **整理意思：**成稿应保留不改代码、先给问题、周一以及等待确认这几个条件。句子更顺但漏了条件，不算整理成功。
• **交付文字：**确认文字进了目标输入框、尚未发送。出现复制卡片时，在目标位置粘贴一次即可，不要反复录音造成重复输入。

这套检查将识别、整理和插入分开，不承诺固定准确率或等待时间。如果原生 Dictate 已满足需求，可以继续使用；需要在多个 Mac App 里共用一套可检查的输入流程时，再考虑 Ducduc。