边做饭边用语音让Codex改博客

原文要点

Simon Willison 在 ChatGPT 桌面端 Codex 标签页用语音对话模式改本地 Django 博客：先打字让它起 dev server 并开浏览器预览，再点输入框麦克风右侧的“Start new voice chat”。做饭约半小时里口述了 Newsletters 页需求：新模型与迁移、四个导入（Substack RSS、Substack 未公开 API、GitHub 月度归档仓库、私有仓库）、/newsletters/ 与按年归档页、接入站内搜索、不出现在标签页但出现在日期归档页。收尾让 Codex 建分支开 PR，他在 GitHub 审查后把用 subprocess 调 git 的导入改成 API 方式，又用约半小时打字提示后才部署。

这次做成什么

复刻“语音驱动编码代理”的工作方式：先在本地起一个带浏览器预览的练习项目，再用桌面端语音对话口述一个可拆分的小功能需求，让代理改代码，最后用 PR 审查和打字补细节收尾。以下练习项目与需求是本站独立设计的，非原作者项目。

准备什么

• 装有 ChatGPT 桌面应用并可使用 Codex 语音对话模式的电脑
• 本地有一个可运行的练习项目（如 Django 或任何能起 dev server 的项目）
• 一个安静且允许出声说话的环境，以及可做其他事的半小时空档
• 项目已在 Git 仓库中，便于让代理建分支并审查改动

具体怎么做

1. 先打字建立可视化闭环

   在项目目录对应的会话里输入文字指令："启动开发服务器并在浏览器里打开首页"。确认代理真起了服务、你能看到页面，这样后续可以口述"给我看刚才改的页面"并用眼睛验证，而不是盲信文字汇报。

2. 切到语音模式并摆好电脑

   点输入框麦克风右侧的“开始新语音聊天”按钮（不是麦克风图标本身），把笔记本放在你活动区域内能收音的位置。原作者把它放在厨房边做饭边聊，约半小时。

3. 口述一份结构化的功能需求

   语音里把需求讲成可执行的清单：要不要新模型和迁移、数据从哪里来、页面路径是什么、在哪些已有页面上出现或不出现、是否要进搜索。说得磕绊没关系，作者原稿充满 um 和改口，模型仍能理解并追问澄清。

4. 边看预览边口头迭代

   代理改完一轮后让它打开新页面，你瞄一眼本地预览，直接口头反馈"标题太大""按时间倒序排"这类调整，循环到功能大致完整。

5. 收尾切换到打字审查

   让代理建分支并开 PR，在 GitHub 界面逐行看 diff。涉及凭据、外部 API、子进程调用等细节时改用打字：粘贴错误信息、直接指出要换的实现方式（作者就是把 subprocess git 换成 API 调用）。满意后再合并部署。

可直接复制的材料

嗯，我要加一个“读书笔记”栏目，这是一种新内容类型。它不要出现在标签页和首页列表里，但要出现在按日期归档的页面上，并且发布一个月之后要被站内搜索索引到。数据从两个地方导入：一个公开 RSS 源，另一个是我私有的 GitHub 仓库里的 markdown 文件。需要一个新模型和迁移，加 Django Admin 配置，做一个 /notes/ 列表页和按年的归档页。先给我讲讲你的方案，有不确定的地方问我，然后再动手改代码。

把当前改动整理成一个分支并开一个 pull request。注意两点：一，导入脚本不要通过 subprocess 调用 git，改成直接调用托管平台的 REST API 拉取文件内容，凭据从环境变量读取，不要把密钥写进代码；二，把归档页的分页和日期显示核对一遍。PR 描述里列出：新增模型与迁移、四个导入函数各自的数据来源、新页面路径、哪些既有页面会显示或不显示新内容。

输入与输出示例

本站虚构演示，非原作者结果，未实际调用任何代理。

输入

口述："给练习博客加一个 /notes/ 页面，只收录读书笔记，不进标签页，不进首页，但要进日期归档和搜索，数据从公开 RSS 导入最近十条。"

对应输出

代理汇报：已新增 Note 模型与迁移 0007_add_note.py；新增 import_notes 管理命令，从 RSS 拉取最近 10 条去重入库；新增 /notes/ 与 /notes/2026/ 两个模板；日期归档页已包含 Note 条目，标签页与首页查询已排除；搜索索引函数已注册 Note 内容。本地预览 http://127.0.0.1:8000/notes/ 可查看。

做完检查这些

• 语音会话开始前，dev server 已由代理启动且你能在浏览器看到页面
• 口述需求后，模型至少追问或复述过一次理解，再开始改代码
• PR 中没有出现硬编码密钥，也没有用 subprocess 调 git 的导入实现
• 新内容在应出现的页面（日期归档、搜索）出现，在不该出现的页面（标签页、首页）不出现

容易卡住的地方

• 语音模式不适合传达代码片段、错误堆栈和长链接，这些要切换到打字粘贴，这也是作者后半程改用键盘的原因
• 共享办公或嘈杂环境下语音口述既不礼貌也易误识别，作者明确说自己在家办公才这么干
• 涉及私有仓库的 API key 创建无法在纯语音中安全完成，需要坐下来手动处理凭据
• 语音驱动适合功能方向清晰的中等任务，细节调整阶段打字效率更高，别强求全程语音