Macrowhisper：让语音输入真正接管你的工作流

你有没有遇到过这种场景？开着视频会议，老板的指令噼里啪啦说了一大堆，你一边点头一边狂点录音，心想「先录下来，回头再整理」。结果会议结束，Superwhisper 给你转录出了一大段文字，你看着光标在 Word 里闪了半天，不知道该从哪里开始整理。更糟的是——Superwhisper 默认是粘贴文字到当前应用，可你开的根本不是 Word，而是 Slack。

Macrowhisper 解决的就是这个问题。它不是一个语音转文字的工具，而是一个「语音转文字之后的智能路由器」。Superwhisper 负责把声音变成文字，Macrowhisper 负责决定这段文字该「去哪儿」以及「怎么去」。

一行代码，让语音命令真正「动起来」

Macrowhisper 的核心逻辑其实可以用一句话概括：监听 Superwhisper 的录音文件夹 → 读取转录结果 → 根据配置决定执行什么动作。

但这个「决定」的过程相当精密。Macrowhisper 不只是机械地把文字粘贴出来，它会：

• 监听文件系统的变化——用 Swift 的 DispatchSourceFileSystemObject 监控录音目录，一旦发现新的录音文件夹就触发处理流程
• 抓取执行前的上下文——录音前 5 秒的剪贴板内容、当前前台应用名称、用户选中的文字……这些全部在执行前被冻结保存
• 根据多维度触发条件匹配动作——可以按语音指令关键词、按当前应用、按模式（Normal/Accented/Command 等）、按浏览器 URL 来决定执行哪个动作
• 支持动作链式执行——一个动作完成后可以自动触发下一个动作，实现复杂的多步骤自动化

这意味着，你对着电脑说「告诉团队我十分钟后开会」，Superwhisper 转录出这段文字，Macrowhisper 识别到关键词「告诉团队」，自动打开 Slack、向指定频道发送消息。中间不需要你动手。

五种动作类型，覆盖 macOS 自动化全场景

Macrowhisper 支持五种类型的动作，每一种都对应 macOS 自动化体系中的核心能力：

1. Insert（插入动作）：最基础的动作，把转录文字粘贴到当前光标位置，或者模拟键盘输入。这是默认行为，也是大多数用户的核心需求。

2. URL（网址动作）：把转录文字当作网址或搜索关键词，自动在浏览器中打开。对于「打开 XX 文档」「搜索 XX 问题」类指令特别有用。

3. Shortcut（快捷指令动作）：调用 macOS Shortcuts，把转录文字作为输入参数传递给用户自定义的快捷指令。这意味着你可以把任何 Shortcuts 支持的操作语音化——发邮件、创建日历事件、查询天气、调用任何安装了 Shortcuts 支持的应用。

4. Shell（终端命令动作）：直接在终端执行 Shell 命令。对于开发者来说，这是一个巨大的扩展空间——可以用语音触发任何命令行操作。

5. AppleScript 动作：执行原生 AppleScript 脚本。这是 macOS 最强大的自动化能力，可以通过脚本控制任何支持 AppleScript 的应用程序，实现几乎任何你能想到的操作。

配置即代码：JSON Schema 定义下的高度可定制系统

Macrowhisper 的配置文件采用 JSON Schema 定义（macrowhisper-schema.json），配置结构清晰、功能丰富。核心配置包括：

{
  "triggers": {
    "voice": "关键词",
    "app": "com.apple.Safari",
    "mode": "command",
    "url": "github.com/*"
  },
  "action": { "type": "insert" },
  "nextAction": { "type": "shortcut", "name": "发送邮件" },
  "inputCondition": {
    "contains": "bug",
    "app": "Xcode"
  }
}

触发条件的优先级顺序是：Auto-Return（自动返回）> Trigger Actions（触发器动作）> Active Action（主动动作）。这意味着你可以同时配置多种规则，系统会按优先级自动选择最优匹配。

nextAction 字段支持动作链式执行，比如先插入文字、再触发快捷指令、最后打开一个网页——一气呵成。inputCondition 则支持条件判断，让同一个触发词在不同场景下执行不同动作。

技术架构：Swift 6 + 观察者模式 + 微服务设计

从源码结构来看，Macrowhisper 的架构设计相当成熟：

模块	职责
Watcher/	文件系统监控，检测录音文件夹变化
Config/	配置管理，JSON Schema 解析与验证
Networking/	HTTP 网络能力（依赖 Swifter）
Utils/	工具函数库
History/	历史记录管理

RecordingsFolderWatcher 使用 DispatchSourceFileSystemObject 进行低开销的文件系统监控，比定时轮询更高效。ConfigChangeWatcher 则监控配置文件变化，支持热重载，无需重启服务即可应用新配置。

配置文件语义版本 2 的设计也很值得注意：null 表示继承默认值，"" 表示显式空值，.none、.autoPaste、.run 等保留字有专门的运行时行为。这种设计避免了配置歧义，同时保持了极大的灵活性。

依赖方面，Macrowhisper 仅使用了一个外部依赖——Swifter（一个轻量级 Swift HTTP 服务器框架），用于实现嵌入式 HTTP 服务。整体项目 5.6MB，对系统资源的占用极低。

安装与上手：从零到自动化大师

安装方式非常友好，两种任选其一：

# 方式一：Homebrew（推荐）
brew install ognistik/formulae/macrowhisper

# 方式二：安装脚本
curl -L https://raw.githubusercontent.com/ognistik/macrowhisper/main/scripts/install.sh | sudo sh

安装完成后，通过 CLI 命令启动后台服务：

macrowhisper --start-service
macrowhisper --service-status   # 查看服务状态

配置文件路径通过以下命令操作：

macrowhisper --reveal-config    # 在 Finder 中打开配置
macrowhisper --validate-config  # 验证配置语法
macrowhisper --schema-info      # 查看配置 Schema 信息

与 Superwhisper 配合使用时，需要在 Superwhisper 设置中关闭以下选项避免冲突：

• OFF：Paste Result Text（粘贴结果文字）
• OFF：Restore Clipboard After Paste（粘贴后恢复剪贴板）
• OFF：Simulate Key Presses（模拟按键）
• ON：Recording Window（录音窗口）

局限与注意事项

尽管 Macrowhisper 设计精良，但有几个实际限制需要了解：

平台锁定：这是一款纯 macOS 应用，依赖 Superwhisper（macOS 专有应用），无法在 Windows 或 Linux 上使用。

无图形界面：所有配置通过 JSON 文件和命令行完成，对非技术用户有一定门槛。

Superwhisper 强依赖：Macrowhisper 本质上是一个中间层，脱离 Superwhisper 单独使用没有任何意义。用户需要同时订阅 Superwhisper 服务。

iOS/macOS 跨设备场景受限：如果工作流涉及 iPhone 语音输入，Macrowhisper 无法直接接管。

行业意义：从「能说话」到「说话就能干活」

语音输入工具发展多年，从手机上的语音备忘录到 Dragon 这样的专业听写软件，技术门槛在不断降低。但大多数工具止步于「把语音变成文字」这一步——文字生成之后怎么用，仍然需要手动操作。

Macrowhisper 填补的正是这个空白。它将语音从「被动输入」升级为「主动指令」，让用户可以用自然语言驱动整个 macOS 自动化体系。对于高强度使用语音输入的专业人士（如写作者、研究人员、程序员）、需要频繁多任务切换的知识工作者，以及有特殊需求（如手部障碍）需要语音操作电脑的用户，这个工具的价值是显著的。

作为一个仅有 214 Star 的小众工具，Macrowhisper 展现了 macOS 生态中精细化自动化工具的独特生命力——不是做大模型、不是做平台，而是做好一个「小而美」的连接器，把已有的优秀工具串联起来。