人工智能编程新进展：Cursor与Google推出语音交互功能

人工智能编程工具在开发人员的交互方式上经历了重大转变，Cursor和Google宣布为其编程代理推出双向语音交互功能。此举旨在模拟与人类同事合作的体验，使开发人员能够在执行任务时通过语音提问、提供指令并接收更新。

为何此消息重要？

目前，使用人工智能代理的传统编程过程依赖于一种断续的模式：开发人员输入指令，等待处理，阅读结果，然后再次输入。这种模式会分散开发人员的注意力，并迫使他们不断回到键盘前。通过新的语音功能，各公司旨在保持“工作流节奏”（Workflow Rhythm），开发人员可以在代理运行时大声思考或要求即时修改，从而减少开发环境中的阻力。

新功能详情

• Cursor：推出了由Grok Voice技术支持的“与代理语音聊天”（Voice Chat with Agents）功能，允许开发人员与代理进行直接语音对话，讨论代码变更。
• Google：在Antigravity工具中推出了语音功能，该功能利用Gemini Live技术，通过桌面应用程序和命令行工具提供持续的语音对话。

相比之下，Anthropic公司的Claude Code工具目前仍缺乏此功能，其语音交互目前仅限于听写，不支持双向语音对话。

实际发生了什么变化？

Google的开发者关系工程师强调，最佳工程实践通常是“大声”进行的，例如与同事讨论错误或在白板前思考。这些新功能将编程代理从单纯的执行工具转变为交互式合作伙伴，开发人员无需持续的视觉或手动关注屏幕和键盘即可听到代理的更新或批准指令，这被认为是管理长期编程任务效率的一次飞跃。