不用打字了,你说一句,云上的 Agent 就开始干活

简介: Qoder Cloud Agents上线实时语音交互,支持自然打断、双工对话与云端执行。无需打字,开口即用;语音与文字共享上下文,边说边干、随时叫停。通勤、会议、育儿等场景皆可无缝接入,原有Agent能力零改造复用。Beta阶段限时免费体验。

qoder cloud agents (1).png


Qoder Cloud Agents 上线实时语音交互。Forward Mode 的 Agent 模板,现在可以直接开口说话。


你不用再把想法攒成一段完整的指令,也不用等它把话说完才能插嘴。


01.png


想清楚一件事,和把它打出来,是两回事


你大概有过这种时刻:


事情在脑子里已经很清楚了——把上周那批异常订单捞出来,按门店分个组,跑不通的单独列一列。清楚到你几乎能听见自己说出这句话。


然后你打开对话框,开始打字。


打到一半你意识到,"上周"得写成具体日期;"异常"得说明是哪几类;"按门店分组"最好再补一句排序规则。原本三秒钟就能说完的事,你花了三分钟组织成一段书面语,然后按下回车,等。


这就是过去一年多我们和 Agent 相处的方式:你必须先把自己翻译成一段结构完整的文字,它才听得懂。


翻译是有成本的。成本高到,很多"顺手让 AI 干一下"的念头,在打字的第二行就放弃了。


现在你可以直接说。


02.png


你说着话,活在云上就干完了


打开语音之后,最先变化的不是"能用嘴了",而是节奏。


它不用等你说完。 语音输入和语音输出是同时进行的——你说到一半改主意,"等等,不要上周,要这个月的",它当场跟着拐弯,不会把那句错的执行到底。反过来它也可以插话:发现你要的字段其实不存在,它会当场开口提醒你,而不是闷头跑完再报一个错。


它不介意你中途换成打字。 有些东西天生不适合念出来:一串订单号、一段路径、一行配置。你可以直接在输入框里敲进去,语音和文字共享同一份实时上下文——嘴上指挥,手上补细节,中间不需要切换模式,也不会因为你打了一行字就退回文字模式。


最关键的是,活不是在你这台电脑上干的。


你说完一句话之后,真正的执行发生在云端:Agent 在云上的沙箱里读文件、跑脚本、调工具、连你授权过的系统。这意味着你不必一直盯着它——眼睛可以去看别的东西,手上可以做别的事。它在云上接着跑,并把执行状态和结果用语音反馈给你:


"三个门店的数据已经对齐,第四个门店的字段名不一样,按原来的规则处理了。"


听着不对,你随时可以开口把它叫住。打断在这条链路里是随时可用的,不用等它说完。


这是语音最容易被低估的一点:它不只是把手腾出来了,是把眼睛腾出来了。


连接断了也不用从头来。语音会话支持断线重连,重新连上之后,会话和上下文接着往下走。


几个大概能对上号的时刻:


  • 通勤路上。 想到一件事,说一句"把昨天那批异常订单整理成表,按门店分组"。到公司,表在那儿了。


  • 会开到一半。 有人问上个季度某个数,你不用中断会议翻系统,低声问一句,它在云上查完,把答案念给你。


  • 一个要跑二十分钟的活。 跑到第三步,它把状态报给你,你一听就发现方向偏了,当场开口改。而不是二十分钟后回来,看到一条卡在第三步的失败日志。


  • 孩子放学回来,情绪不太对。 他不会打开电脑打一段"我今天在学校被冷落了,我想聊聊"——但他会开口说。一个配好了儿童陪伴能力的 Voice Agent,能接住那句话——它会听出他语气里的失落,用有温度的语调回应,而不是像念稿子一样把安慰念一遍。带着耐心和边界感陪他聊下去。这件事如果没有语音,对一个八岁的孩子来说,根本不会发生。


03.png


语音不是多了一个功能,是 Agent 的界面变了


这一年,能语音对话的产品越来越多。大部分解决的是同一件事:让你能用说话代替打字。 能听懂,能应答,能顺手查两个东西。


这已经很有用。但这条路的能力边界,基本就是"一次对话里能完成的事"。


我们的做法不太一样。


在 QCA 里,语音负责的是跟你实时地聊:毫秒级响应、听得懂口语、能自然打断也能被打断,还能听出你话里的情绪,用有温度的语气回应——而不是机械地念稿。而你交代的活,是在云上真正跑起来的——沙箱、技能、工具、MCP、你授权过的密钥和文件权限,都在同一个会话里为这场对话服务。


你不会感觉到任何转接。你只是在说话,然后活干完了。语音对话、转写文字、工具调用、任务执行结果,全部写进同一份会话记录——事后要回溯,还是原来那个入口,一条时间线看到底。


"聊"和"干"不是两个系统。这是我们觉得最要紧的一点。


而且有些场景,键盘从来就不是选项:


一个八岁的孩子没法整段打字描述自己的情绪;一位正在做饭的家长腾不出手来打字指挥Agent;一个焦虑发作的人根本无法组织书面语。对他们来说,Agent 如果没有语音,就等于不存在。声音才是那扇最顺畅的门。


5eecdaf48460cde5d0e13a804b437e6722b3f2197de06f7975b8339e1c4c24831b75b38faadcd24bec177c308ebd530422cede56af8970cfeae8b3793d7b44b85c96f653d217df5fcd8400e65065c6c09a8d6a4c4812d6c04fb4c8ed7016461c.png


但语音只是门。真正拉开差别的是进门之后还能干什么。


哪怕是陪孩子聊天这种看起来"只需要说话"的场景也一样:聊到需要动手的地方——查一份资料、整理一段记录、生成一张图——同一个会话背后的沙箱会接着把它做完。语音负责把话说清楚,沙箱负责把语言之外的事办了。


再往远看一步。


Agent 的界面之所以一直是对话框,是因为过去人必须盯着:盯着它每一步做对了没有,随时准备接手。对话框是一个监工的界面。


而当 Agent 真的能把一件多步骤的活自己干完,人需要的就不再是监工位,而是一个随时能开口、随时能把它叫住的入口。


这个入口最自然的形态,就是说话。


往回说一句实在的。对已经在用 QCA 的团队,这件事的意义不只是"我们的 Agent 会说话了"。


你花时间配好的模型、技能、工具和权限,本来只能通过一个输入框交付给你的用户。现在同一套东西,多了一种更接近人本能的交付方式——而你不需要为它重做一个 Agent。


04.png


现在就能用上


想直接体验: 进 Qoder Cloud Agents 控制台,切到 Forward Mode,打开一个 Agent 模板,顶上会有一个 Voice 标签。右边就是实时语音体验面板——点麦克风,直接开口说。


5eecdaf48460cde5d0e13a804b437e6722b3f2197de06f7975b8339e1c4c24831b75b38faadcd24bec177c308ebd5304e1f7719bb5f48788da894ed0baec6d572583c84d41de192f16fa879c7c36b22b8bf553aa1e7950854fb4c8ed7016461c.png


想接进自己的产品: 不必推倒重来。


从零搭一套能用的实时语音 Agent 不轻松:低延迟音频链路、双工打断、断线重连、还要在嘈杂环境里分清人声——这些都得自己啃,任何一环没调好,体验就崩了。这些我们已经做完了。你要做的只是打开一个开关。


你原来配好的那套东西——模型、技能、工具、MCP、环境、密钥、文件权限——语音直接复用,原有的 Agent 能力体系不用重建。同一个模板,长出两种入口:需要文字的地方创建普通会话,需要语音的地方创建语音会话,两者各自独立、上下文互不串味。


协议上,语音和文字走同一条 WebSocket 全双工连接:语音走二进制帧,文字走结构化事件,打断和断线重连都在协议里,不用你自己在前端拼一套状态机。


我们把完整的接入示例开源了:github.com/QoderAI/forward-quickstart。克隆下来 npm install && npm run dev,本地就能跑通从创建身份、配模板、起语音会话到接实时事件的整条链路。(仓库里那个在线 Demo 出于安全考虑没有开语音中继,想体验语音,请走控制台或本地跑起来的 quickstart。)


5eecdaf48460cde5d0e13a804b437e6722b3f2197de06f7975b8339e1c4c24831b75b38faadcd24bec177c308ebd53045ff3cd67ab23014e4dcef5abdc62d53a65a1892f5bb17ceeeb06868f00cd61750f42bf367e2a77324fb4c8ed7016461c.png


Voice 当前处于 Beta,限时免费体验。


05.png


写在最后


回到开头那个场景。


事情在脑子里已经很清楚了。以前你要花三分钟把它翻译成一段书面指令,现在你只需要三秒钟,把它说出来。


省下的不是三分钟,是那些因为懒得打字而没发生的事。


Qoder Cloud Agents 控制台已开放 Voice 配置,打开模板的 Voice 标签就能开始。现在是 Beta 限时免费体验的阶段,试错成本几乎为零。

目录
相关文章
|
1月前
|
人工智能 IDE 数据挖掘
你的 AI 团队由你来组 | 智能体与智能体团队功能全面开放
Qoder全新开放智能体与智能体团队功能:用户可自定义专业助手(如竞品研究员、代码审查员),配置职责、工具与模型;复杂任务则组建多角色团队,由Leader统一分派、协同执行,显著提升效率与准确性。
450 3
|
1月前
|
人工智能 自然语言处理 安全
从单点工具到任务闭环——海信AI原生开发实践
9月22日云栖大会,海信曲栋分享《从单点工具到任务闭环》:历经Copilot、通义灵码到Qoder三阶段选型,构建Prompt→Harness→Loop→Graph四层叠加式AI原生开发范式;需求对齐缩至1天,端到端交付提效3–5倍,老系统亦提升1.3–2倍。
322 3
|
1月前
|
人工智能 IDE 开发工具
为了让 Qoder IDE 更流畅,我们做了 39 项优化
本文介绍Qoder IDE性能优化实践:基于“安迪-比尔定律”洞察,利用AI Agent自动发现并修复39项性能问题(如冗余计算、内存浪费),结合自建40场景Benchmark持续监测,macOS综合分提升39.1分。体现AI在写代码之外,更可深度参与性能治理。
312 1
|
22天前
|
人工智能 安全 Android开发
Qoder 能操作手机了:说一句,它就去做
Qoder全新Phone Use插件上线!通过数据线连接iPhone(安卓即将支持),AI可直接操作手机界面:自动整理178个App、分类万张照片、30秒生成报销清单等。办公、创作、生活场景全覆盖,安全可控,即装即用。
338 0
|
1月前
|
缓存 算法 测试技术
Fast 模型层技术解析:把每个任务都交给最合适的模型
Qoder Fast 通过“任务识别+模型路由”实现智能选模:用 System One 快速分类任务(百毫秒级),按类型动态匹配最优模型,首次响应缩至3秒,Credits消耗降为0.8x。支持会话级复用、多轮协同与故障回退,已在全产品线上线。
215 0
|
1月前
|
IDE 调度 开发工具
为每一个0.1s而努力— Fast 速度优化技术详解
Qoder推出Fast模式,将首次响应从8秒缩至3秒,Credits消耗降低27%,支持桌面端、IDE及CLI。通过客户端冷启动优化、工具并行调用(并发数超50)、意图驱动的模型路由与网络链路升级四大技术,全面提升开发效率。
266 0
|
1月前
|
人工智能 自然语言处理 API
Qoder Cloud Agents 助力开发者走进Personal Agent 时代
2026年下半年,Personal Agent成为AI新焦点:从问答、任务执行迈向持续交付。OpenAI Dots与Meta Muse均支持跨渠道、带记忆、可自主推进的长期协作。Qoder Cloud Agents(QCA)提供全托管平台,集成身份、记忆、IM接入、定时任务等能力,助开发者分钟级构建商业级Personal Agent。
356 0
|
1月前
|
人工智能 安全 语音技术
Qoder × 千问AI耳夹式耳机:开口交代,电脑上的活儿接着干
Qoder 已集成到千问AI耳夹式耳机中。支持语音唤醒、全双工对话与电脑直控。离开工位也能续跑任务,如改网站配色、发文件等,真正实现“说一句话,电脑接着干”。
393 0
|
1月前
|
人工智能
和 Qoder一起,把 PPT 做好
Qoder PPT插件支持AI一键生成专业PPT,涵盖内容撰写、智能配图、排版设计;支持边看边改——标注即改、全局调色;更可生成逐页演讲备注,助力高效汇报。已获近14万下载。
353 0
|
1月前
|
传感器 人工智能 自然语言处理
云栖大会上,Qoder作品被装进口袋带走了
Qoder让AI编程走出电脑:用户用自然语言描述想法,Qoder自动生成代码、界面与交互,再一键烧录至1.14英寸硬件板。现场诞生Q达鸭桌宠、口袋咖啡日历、“暴躁”厨房计时器等创意作品——想法即刻实体化,随身携带,随时互动。
262 0

热门文章

最新文章