OpenAI 全双工语音上线，代理能操控老旧桌面软件

茉莉: 欢迎收听 Bri 播客，我是茉莉。这期节目来自 ProductHunt 产品分享。

白桦: 我是白桦。

茉莉: 今天重点聊聊两件挺有意思的事：OpenAI 推出一个能同时听说、更像真人对话的语音模型；另外还有一款 AI 代理，专门去操作那些老旧的桌面财务软件。

白桦: 后续我们还会看到给 AI 写代码上保险的工具、驻扎在 WhatsApp 里的 SEO 分析，以及几款想把 AI 助理从对话框里带出来的应用。先说第一条，OpenAI 在语音交互上往前走了一步。

茉莉: OpenAI 在 Product Hunt 上架了一个新模型，叫 GPT-Live，产品标签直接就写“ChatGPT 全双工语音”。

白桦: “全双工”这个词听起来有点技术，具体怎么理解？

茉莉: 其实就是把以前那种“你说一句、我听一句、再回一句”的回合制打破。GPT-Live 可以边听边说，交互会更接近真人聊天的节奏。

白桦: 也就是说，你话没说完，它可能已经在理解，并且可以随时插话回应了。

茉莉: 对，现在 Product Hunt 上给出的描述就是强调“边说边听”这一项功能，定位在 ChatGPT Voice 里。

白桦: 那目前能看到更具体的技术参数或者测试反馈吗？

茉莉: 还没有。目前来源只是一个产品上架介绍，技术细节、发布范围、用户反馈这些都没公开。

白桦: 如果这种全双工模式以后成了 ChatGPT Voice 的默认形态，语音助手的使用习惯可能会从“轮流发言”彻底转向实时的自然对话。

茉莉: 另一个产品走的也很务实。白桦，你还记得刚才提到的那个操控老旧软件的东西吗？

白桦: 对，所以我特别好奇，财务软件很多连接口都没有，它到底怎么做到的？

茉莉: 它叫 Coasty，定位是计算机使用代理。它不是靠 API 来对接，而是像人一样直接去看屏幕、点击界面。

白桦: 这就有意思了。那它具体能操作哪些软件？

茉莉: 项目页列得很清楚，比如用友 T+、金蝶、管家婆、SAP 这些企业财务软件，还有微信、QQ、飞书、钉钉这类通讯工具。

白桦: 这些都是真的桌面端应用，不是模拟环境。

茉莉: 没错。而且它在衡量桌面自动化能力的 OSWorld 基准测试里，跑到了接近顶尖多模态智能体的分数。

白桦: “接近顶尖”这个表述很关键，能给人一个具体的参照，而不是空说很强。

茉莉: 它的任务也很直接，就是自动生成一连串 UI 操作，去跑完像自动报税、发票管理这种复杂的业务流程。

白桦: 相当于盯上了企业数字化里最难啃的一块骨头。不过它毕竟刚发布，实际环境里的稳定性和出错处理怎么样？

茉莉: 现在还没有独立的第三方评测。所以目前只能把它当作产品初期的声明来看。

白桦: 刚才聊了 AI 能写代码、能操作软件，接下来说一个随之而来的问题：代码写出来了，谁管逻辑，谁管安全？

茉莉: 最近有个词叫“氛围编程”，就是用自然语言描述需求，让 AI 直接生成应用。听起来很爽，但出了 bug 很难追溯。

白桦: 对，所以看到两个工具分别从两端来兜底。一个叫 Aura，开源的，它把 AI 编程代理的行为用类似 Git 的“意图”管理起来。

茉莉: 你想的不再是提交了哪些代码，而是提交了哪些“意图”。

白桦: 就是这个意思。它还能给代理建反馈循环，支持 VS Code、JetBrains 和 Cursor。

茉莉: 另一个工具 Perfai 就更直接，专门盯着那些氛围编程做出来的应用安全。一句提示词，它就能自己去查访问控制之类的漏洞，然后修复。

白桦: Aura 管的是开发阶段的逻辑变更，Perfai 管的是部署后的运行时风险。

茉莉: 等于说，随着氛围编程门槛越来越低，配套的工业化控制工具也开始跟上了。

白桦: 这两款工具本身并没有集成，但放在一起看，恰好是 AI 编程要真正落地必须有的两条轨道。

茉莉: AI 代理平台也在分化。今天看到两个很典型的例子：一个想什么都管，一个只盯一件事。

白桦: 什么都管的那个是 Timbal，标签是“在一个技术栈里构建 AI 代理、工作流和应用”。

茉莉: 它的描述里有一句很直接，说是帮团队把 AI 原型转成可投产的系统，暗示它不光管开发，还管后续维护和治理。

白桦: 另一个叫 Glimpse，刚好相反。它就是一个竞争情报 AI 代理，专门盯着竞争对手每天的动态。

茉莉: 人工跟踪很容易漏，它就是把这个判断延迟替换成机器持续监控。

白桦: 这两款都在 Product Hunt 上新。面对它们就很清楚需要先问自己：到底缺一个能从头到尾扛起开发的基础平台，还是只缺一个替换掉某个低效环节的专用代理。

茉莉: 再往下，AI 基础设施这条线也出了两个务实的产品，一个管安全，一个管合规。

白桦: 安全这边是 Constellation Gate AI，专门防提示注入，宣称在基准测试里排第一，而且主打低延迟和省 Token。

茉莉: 合规这边是 Opper AI，一个网关，提供一把 API 密钥就能调用超过三百个模型。

白桦: 而且它特别强调了所有服务都在欧盟境内托管，同时兼容 OpenAI 和 Anthropic 之类的接口。

茉莉: 这两件事指向同一个方向：企业级落地的时候，光看模型性能不够，安全和数据管辖权正在变成同等重要的入场条件。

白桦: AI 助理的外形也在变。今天有三个产品挺有代表性，它们都在试着把 AI 从聊天框里拖出来。

茉莉: 第一个叫 Toyo，有点不一样，它直接住在 iMessage 里，还能打电话。

白桦: 第二个是 Monogram AI，它的回答不是纯文本，而是给你视觉化和可交互的界面。

茉莉: 第三个 Lispr 更纯粹，就是一个跨 Mac 和 Windows 的语音听写与翻译应用，按住一个键说话，就能在任何地方输入文字。

白桦: 这三款都是近期在 Product Hunt 发布的，能看到一种尝试：开发者不想再把 AI 锁在一个单独的应用里，而是让它常驻系统或者直接进入日常通讯工具。

茉莉: 语音交互也跑进了个人理财。有一款应用叫 ARKAD Wallet，主打用语音管预算。

白桦: 它跟别的记账工具最大的区别，是内置了一个叫 Aura 的财务健康评分。

茉莉: 目前只是在 Product Hunt 上线，没有实际用户数据。

白桦: 语音优先的记账方式，到底能不能吸引那些本来懒得记账的人，现在还只能打个问号。

茉莉: 还有一种有意思的迁移，把专业数据放进日常聊天工具里。SEORCE 做了一个叫 Just Ask 的功能。

白桦: 它让用户直接在 WhatsApp 上问 SEO 数据，比如排名、流量、AI 搜索结果里的可见度，然后给你自然语言回答，还能出图表。

茉莉: 他们自己的说法是“ChatGPT 版的 SEO 数据分析”，就是不想让你再登录后台去看仪表盘。

白桦: 这对于需要快速同步数据的团队可能会方便不少。不过它也是刚上 Product Hunt，可靠性和数据权限这些问题还没有验证。

茉莉: 最后看一个极简风的应用。Tasks.txt，一款免费的原生 macOS 任务管理工具，它跑的是纯文本 todo.txt 格式。

白桦: 没有数据库，也没有云同步。开发者说自己老是回归 txt 文件，所以就把它做得比直接编辑文本更快。

茉莉: 这件事放在工具越来越复杂的趋势里看，反倒成了一种抗干扰的选择。

白桦: 不过它的长期维护会怎么样，现在还不好说。

茉莉: 以上就是本期 ProductHunt 产品分享的全部内容，感谢收听。

白桦: 我们下期再见。