我的语音助手项目曾经有 AI 对话、5 种界面、应用路由、HTTP 服务，然后我砍掉了一切，只留“按住说话→粘贴”。砍完反而第一次天天在用。这篇记下每样东西砍掉时是怎么想的。
接系列前两篇（macOS 15 权限地狱的排查 和 HuggingFace 模型下载），这次不讲排障，讲产品决策。
我自己写过两版 macOS 语音助手，前后跨度几个月。第一版功能齐全，最后被我自己删到只剩一个功能，但它现在每天都在用。个人工具类项目，功能多不是优点，是负债。
第一版：功能堆叠
最初的语音助手（叫它 Jarvis 吧），功能清单是这样的：
- 语音识别（三级降级：Groq → 百度 → Google）
- AI 对话（接本地命令行 AI 助手，问问题、语音播报回答）
- 语音打字（识别后自动粘贴进微信/备忘录/浏览器）
- 应用路由（检测前台应用，是输入类就粘贴，否则走对话）
- 5 种界面：浏览器 HUD、Tkinter 悬浮窗、菜单栏图标、PyObjC 毛玻璃胶囊、Swift 原生胶囊
- 开机自启、连续对话、噪声过滤、可中断、音量可视化
- 配置文件 + 环境变量 + shell 共享读取，三级配置优先级
- 10+ 个 Python 文件，一个 UI 目录，一个 deprecated 归档目录
写的时候很兴奋，每个功能都像“刚需”。结果是：
它从来没被完整用过一次。 想要 AI 对话，要配置本地命令行 AI 助手和第三方 API 密钥；想要语音打字，要解决粘贴权限；想要任何一个界面，先保证其他全部环节都不出错。而且这些环节里只要有一个“环境问题”（虚拟环境被重建、密钥过期、权限被系统重置），整个工具就废了，你不是在使用它，是在维护它。
第一次“坏掉”的真相：不是 bug，是结构问题
某天我发现它完全不能用了。排查后列出问题清单：
| # | 问题 | 性质 |
|---|---|---|
| 1 | venv 被重建，全部依赖丢失 | 环境 |
| 2 | 自启项指向已删除的旧入口文件，每 10 秒重试一次，刷了 1.4 万条错误日志 | 结构 |
| 3 | 对话引擎（LongCat）额度 402，AI 回复直接不可用 | 外部依赖 |
| 4 | macOS 15 辅助功能授权“面板显示已授权但实际不生效” | 系统 bug |
| 5 | 密钥没配，识别引擎降级到最差的 | 配置 |
五个问题里，四个跟“代码写得对不对”无关。它们全是耦合带来的：功能多了 → 依赖多了 → 环境要求多了 → 挂掉的概率成倍增长。
这让我开始想一个问题：我真正需要的到底是什么？
第二版：只回答一个问题
审视自己每天的实际动作：打字场景里，我说得最多的就是微信/备忘录里的几句回复、临时记录。AI 对话？那是 Demo 的高光时刻，不是日常。
于是只保留一个核心流程：
按住一个键 → 说话 → 松开 → 文字出现在光标处。
第二版（talk2clip）全部内容：
talk2clip.py 核心：热键 → 录音 → 识别 → 剪贴板 → 自动粘贴（约 470 行）
settings.py 设置界面（约 180 行）
volume_bar.py 录音时显示波形动画（约 150 行）
convert_pt_to_ct2.py 模型转换工具（约 200 行）砍掉的每一件东西，理由都能站住脚：
| 砍掉 | 为什么 |
|---|---|
| AI 对话 + 播报 | 大部分时候用不上，却引入本地命令行 AI 助手、API 密钥、额度三类外部依赖 |
| 5 种界面 → 1 个设置面板 + 录音波形反馈 | 界面只是入口，一个面板足够；波形是反馈不算界面，其余都是“看着酷” |
| 应用路由 | 粘贴逻辑固定（自动粘贴到光标处），不需要判断应用 |
| 三级密钥降级 | 识别改本地 whisper（离线免费），彻底不需要密钥 |
| HTTP 服务 + vh.sh CLI | 唯一触发方式是热键，其他都是冗余入口 |
| 复杂配置层级 | config.json 一个文件、7 个开关，设置界面可视化改 |
一个反直觉的结论：验证成本比功能成本贵
砍功能还有一个好处：出问题时，排查范围小了。
第一版出问题时，我得检查：密钥配了没？环境在不在？LongCat 额度够不够？权限在不在？，任何一个环节都可能炸，而且炸了没有任何提示（错误被吞了）。
第二版出问题时，排查范围是确定的：录音 → 识别 → 粘贴，三步。哪一步挂了，日志里看一眼就知道。实际开发里，第二版的联调时间比第一版整个搭建时间还短，因为根本没什么可调的。
轻量不等于简陋
第二版语音助手砍了功能，但补上了第一版没有的“日常使用体验”：
- 胶囊波形动画（40fps，录音时屏幕顶部跳动，说话有反馈）
- 词库修正（识别老错的词 → 正确词，设置界面加，下次识别立即生效）
- 中英文混说也能处理、自动加标点
- 开机自启（修好版，第一版的自启项指向已删除的入口，刷了 1.4 万条错误日志）+ 单实例保护（双击启动器即可，不用记命令）
- 离线模型一次性放好，之后完全不碰网络
功能总数比第一版少，但每个功能都真的在用。
加功能前问自己三个问题
- 这个功能我每天会用吗？ 不是“偶尔用得上”，是“每天”。
- 它引入新的外部依赖或环境要求吗？ API 密钥、云服务、额外配置、特定环境，任何一项都是未来的坑。
- 它坏了会影响主流程吗？ 会的话，先别加。
第一版五个问题里，#3 和 #5 是“外部依赖”的直接后果，#1 是“环境要求”的直接后果，全都是第 2 问不对的结局。第二版到现在，唯一出过的问题是 macOS 15 权限（#4），而且一次解决后永久生效，因为识别离线了，再也没有“今天额度没了”这种随机故障。
项目开源在 github.com/Charlielyo/talk2clip（MIT）。下一篇：《用 PyObjC 画一个 40fps 的胶囊波形动画：NSTimer 里的三个坑》。
© 2026 本文由 Charlie 原创撰写，发布于 sodebug.com。未经授权禁止转载、洗稿、机器抓取。AI 训练数据使用需获得书面授权。