返回资讯中心
外部精选
云计算
#容器平台#AI#AI Agents#AI Engineering#Developer tools

Cursor 和 Google 为编程智能体加入语音功能,Claude Code 暂未跟进

来源标题:Cursor and Google join OpenAI in giving coding agents a voice. Claude Code stays silent.

Cursor 和 Google 同日为各自的编程智能体推出双向语音功能,让开发者无需回到键盘即可提问和追加指令。Cursor 的 Voice Chat with Agents 由 Grok Voice 驱动,Google 则在 Antigravity 中推出基于 Gemini Live 的 Voice mode。报道称 Claude Code 目前尚未提供同类功能。

The New StackPaul Sawers2026/11/9 · 8 天前14 分钟阅读

以下正文由 AI 翻译自 The New Stack(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

AI 编程领域的两大玩家都押注开发者希望在工作时与 agent 对话,两家公司都宣布了双向语音功能,让用户无需回到键盘就能提问并给出后续指令。

周五,Cursor 宣布了 Voice Chat with Agents,这是一项由 Grok Voice 驱动的功能,让开发者可以呼叫 agent 并口头讨论一项改动。就在同一天,Google 宣布了 Antigravity 中的 Voice mode,该功能使用 Gemini Live 为其桌面应用和命令行工具带来语音对话。

在宣布该功能的博客文章中,Google 的开发者关系工程师 Nick Van der Auwermeulen 将人类同事之间有来有回的互动,与和编程 agent 协作时的“节奏”做了对比。

“一些最出色的工程工作是在开口交流中完成的,”Van der Auwermeulen 写道。“你和队友把 bug 讨论清楚,在白板前把想法说出来,或者在结对编程进行到一半时说‘等等,换个方式试试’。而与 agent 协作大多有着不同的节奏:你输入提示词,agent 开始工作,你阅读它的产出,然后再输入。”

“一些最出色的工程工作是在开口交流中完成的。”

他补充说,任务运行时间越长,开发者就越需要频繁查看。一条命令可能在等待批准,或者开发者可能发现原始指令遗漏了某项需求。

“每一个这样的时刻都会把你拉回键盘,让你离开原本在看的东西,”他继续写道。

因此,Antigravity 的语音模式会在编程 agent 工作时保持通话在线,这样开发者无需伸手碰键盘就能听到更新或批准命令。

Cursor 这边也提出了类似的主张,强调让对话持续进行。

“大声描述一项改动,询问 agent 正在做什么,并在工作推进时听到更新,”该公司写道。

“大声描述一项改动,询问 agent 正在做什么,并在工作推进时听到更新。”

看看是谁在说话

对不熟悉的人来说,Antigravity 是 Google 的 agentic 软件开发平台。它于去年 11 月与 Gemini 3 一同首次亮相,5 月发布的 2.0 版本还附带了一个独立的桌面应用。此外还有终端客户端 Antigravity CLI,以及面向希望从 VS Code、JetBrains IDE 和 Xcode 等编辑器工作的开发者提供的扩展。

Antigravity 现在是 Google 整合其各种编程工具的地方,该公司已在 6 月将独立的 Gemini CLI 用户迁移到 Antigravity,同时还在逐步停用此前推出的后台编程 agent Jules。

值得注意的是,Antigravity 现有的听写功能已经可以将语音转换为文字提示。现在,要在桌面应用中发起双向通话,用户点击旁边的波形按钮,然后告诉 agent 他们希望它做什么。

发起语音通话

Antigravity 会大声回复,并在编程 agent 工作时保持通话在线,用户可以询问进展或给出进一步指令。你还可以在 agent 说话中途打断它来提问或给出另一条指令。

Antigravity 大声回应

当 agent 完成时,它的文字摘要和一个用于审查代码改动的按钮会出现在同一个聊天中。

在通话中审查修复

此外,语音模式在 Antigravity CLI 中也可用。用户运行 /voice live 命令来发起通话,并在终端中听到 agent 在工作的同时作出回复。

发起终端语音通话

编程 agent 也会回话

Cursor 于 8 月被 Elon Musk 的 SpaceX 以 600 亿美元收购,它也走上了类似 embrace 语音的道路。它在 2025 年 10 月加入了听写功能,并在上个月的发布说明中表示,已更新现有的语音通话,让 agent 能够给出简短的语音进度更新。

Cursor 推广方式的一个不同之处在于你可以从哪里发起通话。Cursor 支持在网页、iOS 以及桌面上进行语音聊天,而 Google 则在 Antigravity 桌面应用和 CLI 中提供该功能。Cursor 的通话运行在 Grok Voice 上,xAI 早在 4 月就通过其 API 推出了这项服务。

“现在看来,推动的方向是在 agent 开始工作后保持对话继续。”

然而,Google 和 Cursor 并不是第一批将双向语音引入编程 agent 的 AI 公司。OpenAI 在 2 月推出了带有内置听写功能的 Codex 桌面应用。而据 The New Stack 在 7 月报道,该公司在 ChatGPT 桌面应用的 Codex 中加入了双向语音,让开发者可以通过说话给出指令并查看任务进展。代码 CLI 自春季以来就提供实时语音对话,OpenAI 在 9 月将其设为默认启用。

值得一提的是,Anthropic 有一个语音模式,但仅在 Claude 应用内提供双向语音功能。具体到 Claude Code,语音仍然只能通过听写单向进行——/voice 命令将开发者的语音指令转换为提示文本,agent 以文字回复。

听写本身对于口头描述 bug 或勾勒功能很有用,它正出现在整个 AI 编程领域,从主要 AI 实验室到资金充裕的初创公司如 Replit。

现在看来,推动的方向是在 agent 开始工作后保持对话继续,这样开发者就能在工作完成前就某个决策跟进、澄清需求或改变方向。

这篇文章 Cursor and Google join OpenAI in giving coding agents a voice. Claude Code stays silent. 首次出现在 The New Stack 上。

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →