国内首个实时语音交互 Agent，阿里开卷。。。

这是苍何的第 573 篇原创！

大家好，我是苍何。

阿里又开卷了。

Qoder 前两天上线了一个语音交互的功能，叫 Qoder Voice，国内首个实时语音 Agent。

简单说就是，你动动嘴，就可以实时让 Agent 干活

它会一边跟你聊，一边写代码、合 PR、部署项目，干完了还主动跟你汇报。

我花了一些时间上手体验，给大家做个分享。

先给大家看看效果。

开启 Qoder Voice 后，就会有个常驻的语音助手悬浮窗，然后就可以实时和他对话，安排任务。

比如让它帮我打开本地的 CodexGuide 这个项目。然后分析项目整体情况及潜在风险。

可以看到，接收指令后，Qoder 会主动打开该项目并把当前上下文运行于该项目。

然后分析这个项目整体情况，以及潜在的风险。

你别说，经过这么一顿分析，潜在漏洞还挺多的。

你想想，如果这事我打字去干，我得先切到 Agent 面板，输入指令，然后盯着它跑完，再输下一个。

但语音的好处是，我嘴上说着分析项目，手上还能忙别的，甚至脑子里已经在想下一步该干嘛了。

这才是实时语音 Agent 的核心价值：你的思维节奏不再被 Agent 的执行节奏绑架。

CodexGuide 项目在 GitHub 上的 PR 情况，我直接喊话 Qoder Voice，让它帮我看下目前 GitHub 上有哪些 PR，分别告诉我改了哪些，哪些当前可以合并。

合个 PR 这种事，嘴一张活就甩出去了，全程不用盯，这就是真·甩手掌柜。

同样，GitHub 项目经常会有社区伙伴提 issue，也就是 bug 反馈，这个时候我就直接对着 Qoder Voice 一顿口喷。

让它先帮我看下有哪些 issure，看下当前版本有哪些已经做了代码修改，并帮我 comment 然后关闭该 issue。

说真的，处理 issue 这种事以前得开着页面干等，现在嘴一说就完事了，我还能顺手刷会儿手机。

语音 Agent 最爽的地方就是，你终于可以像甩活给同事一样甩活给 AI 了，不用盯，不用催，干完了它自己汇报。

语音对话的记录在 Qoder 里面也能展示，不过这个对话记录看不看对于正在执行任务的人来说就没那么重要了，我只需要发出指令，Qoder 执行，语音给我反馈结果，就 ok 了。

同样，我继续口喷让 Qoder 帮我本地部署启动下该项目，并帮我在默认浏览器中打开链接。然后让它帮我处理需求。

这个点值得说说，有些项目启动慢的要等半天才有响应，然后我又不能一直等吧，去干点其他事情，回来都过去个把小时了，然后整个我脑子里的上下文都变乱了。

毕竟极少数人能同一时间做很多事，还能保持上下文不被污染的

老实人 Qoder 在后台摸摸帮我改代码，然后重启服务，告诉我结果。

我全程不用管，好舒服啊。

但你肯定会想，万一它正干着活，我突然改主意了咋办？

这就是 Qoder Voice 另一个让我很爽的点：随时打断，随时纠正。

比如我刚让它帮我改 tab 栏的样式，改到一半我突然觉得配色和位置不对，直接开口：「等一下，颜色换成绿色系的」。

它立马停下来，按新指令继续干。

这感觉就像跟真人协作，你喊一嗓子对方就懂了，不用撤回消息重新打一遍指令。

说白了，打字交互一旦发出去，你想改就得等它跑完再重来。语音随时能插嘴，试错成本几乎为零。

其实 Codex 也出过一个 Codex live，不过这个语音腔味太大了，有时候还会来点我不大懂的外国小调，实在难以一直对话使用。

就好像对面是个会中文的外国人在跟你交谈，虽然句句都听得懂，但我相信你多少会有些不适应和自然。

相对比，Qoder 的这个语音就自然多了，而且实时交互也做的很丝滑，稍微了解了下，它底层是由实时全双工语音模型 Qwen-Audio-3.0-Realtime 驱动。

该模型斩获了多项权威榜单第一，在 Artificial Analysis 上的综合指数（Speech to Speech Index）得分 84.1%，摘得全球桂冠。

我还特意整了个活，让 codex 和 Qoder 对着代码互喷，哈哈哈。

从这个视频里，你也能很明显感受到 Qoder 语音带给你的真实感以及这个怼的能力贼强，语气也很坚硬。

我最不喜欢和别人争吵，以后这事就拍她来吧。

Qoder Voice 能力要想体验，大家可以去qoder.com/desktop 下载 Qoder Desktop 的 Quest 模式, 版本。

去开启一种全新的实时语音交互 Agent 协作模式。

相信我，你会爱上这种全新的体验。

未来跟 AI 协作的主流方式一定是语音，键盘只会沦为兜底方案。

谁先把语音 Agent 做到丝滑可用，谁就拿到了下一代开发工具的入场券，这一次阿里确实抢跑了。