文章

我是如何用 2 条 Codex 提示词构建我的第一个 macOS 原生应用的

我是如何用 2 条 Codex 提示词构建我的第一个 macOS 原生应用的

🚀 下载应用：已编译好的开箱即用版本现已在 GitHub Releases 发布。

我已经很久没有 100% 依赖键盘打字了。在日常工作中，我更多时候是直接用语音进行听写输入，以获得快速且精准的文本转写。

这主要用于和大语言模型（LLM）对话。我妻子甚至开玩笑说，我现在跟电脑说的话比跟她说的还多。老实说，这玩笑并非毫无根据：我坚信要想让大模型给出高质量的回答，输入的实时上下文、细节和背景信息越丰富，产出的质量就越高。如果单纯靠双手在键盘上敲出长篇大论，既耗时又低效。

正因如此，我需要一款符合我使用习惯的语音输入工具。不是那种通用的复杂软件，而是严格契合我工作流的产品：按住全局快捷键（Fn / 地球仪键 一键对讲 push-to-talk），倾吐想法，松开按键——转写好的文字立刻自动粘贴在当前光标闪烁的位置（无论是代码编辑器、终端、浏览器还是聊天窗口）。

市面上现有方案的局限

macOS 上确实有一些优秀的产品。我深入测试了多种方案，其中有两款给人留下了深刻印象。

Wispr Flow 的体验非常出色：界面精美、响应极其迅速。但免费额度很快就会耗尽，随后便需要按月支付高昂的订阅费用。

随后我体验了 MacWhisper：

MacWhisper 是一款扎实的产品。它在本地免费运行 Whisper 模型，对隐私极其友好。然而，我本身就拥有专属的远程云端大模型 API，对于长段落识别速度更快、准确率更高。而 MacWhisper 却把自定义服务器 URL 和 API Token 的功能锁在了收费的 Pro 版本中。

这些软件各有亮点，但都有一个共同的问题：它们都想要你的钱。

而在 AI 时代，当一款基础封装应用试图收取昂贵费用时，我们完全可以直接自己动手，vibecoding 写一个属于自己的开源分支。

Simple Flow 的工作架构

在这个项目中，我自己没有手写一行 Swift 代码。从架构设计、核心逻辑到最终的二进制打包，全部由 OpenAI Codex 仅凭 2 条提示词完成。

从宏观上看，整个流水线分为四个清晰的步骤：

  1. 全局快捷键拦截：应用静默常驻在菜单栏，通过系统级底层钩子全局拦截 Fn（地球仪）按键的按下与释放。
  2. 音频录制：在按键按住期间，系统麦克风音频以极低延迟录入内存缓冲区。
  3. 云端转写请求：松开按键的瞬间，音频数据被异步推送到自定义远程端点，并附带 Token 鉴权。
  4. 自动文本粘贴：转写结果返回后，通过模拟合成 ⌘V 系统按键，即时注入到当前处于焦点的活跃应用窗口中。

用 2 条 Codex 提示词完成开发

提示词 1：核心逻辑与架构设计

在第一条提示词中，我用自然语言描述了整套工作流程：菜单栏常驻后台、按住 Fn 录音、松开请求网络 API、并将文本自动粘贴到焦点处。

Codex 自动挑选了 macOS 原生框架（AVFoundation、ApplicationServices、CoreGraphics），并构建了状态机、全局快捷键监控器与合成事件注入器：

public enum DictationPhase: Equatable, Sendable {
    case idle
    case recording
    case transcribing
    case feedback(FeedbackKind)
}

public struct DictationStateMachine: Sendable {
    public private(set) var phase: DictationPhase = .idle

    public mutating func handle(_ event: DictationEvent) -> [DictationEffect] {
        switch (phase, event) {
        case (.idle, .hotkeyPressed):
            phase = .recording
            return [.captureFocus, .startAudio]

        case (.recording, .hotkeyReleased):
            phase = .transcribing
            return [.stopAndTranscribe]

        case (.recording, .escapePressed):
            phase = .idle
            return [.cancelAudio, .returnToIdle]

        case (.transcribing, .transcriptionInserted):
            phase = .feedback(.inserted)
            return []

        case (.transcribing, .failed(let message)):
            phase = .feedback(.error(message))
            return []

        default:
            return []
        }
    }
}

提示词 2：设置界面与生产级打包

在第二条提示词中，我要求补齐日常使用所需的一切功能：

  • 菜单栏状态图标（Ready 待命 / Recording 录音中）与下拉菜单。
  • 原生设置窗口：麦克风设备切换、自定义快捷键录制、系统权限检查（辅助功能 Accessibility 与麦克风权限）以及开机自启开关。
  • 将服务器 URL 与 API Token 安全存储在 macOS 系统 Keychain 中。
  • 自动化构建脚本，直接输出生产环境下的 .app 应用包。

Codex 编写了完整的 UI 代码，在终端中直接编译 Swift 代码，并交付了打包签名的 SimpleFlow.app。

实际运行效果

我直接将 SimpleFlow.app 拖入 /Applications 文件夹，在设置中填入 API Token 与服务器地址，应用立刻完美运行。

Simple Flow Menu Bar popover
Simple Flow Settings window

在写这篇文章时，我还专门使用 top 命令实测了系统资源开销：

  • CPU：0.0% 待机占用（进程常驻在 RunLoop 中处于 sleeping 状态，仅在触发 CGEventTap 按键中断时瞬时唤醒）。
  • RAM：~50 MB（标准 AppKit 和 SwiftUI 系统框架的基础内存常驻）。

它几乎不消耗系统资源，安安静静地待在状态栏，毫无延迟地帮我把长篇语音转化为大模型提示词，没有任何收费陷阱或人工限制。

GitHub 开源与下载

我已经将项目的全部源代码开源：

预编译好的应用压缩包（SimpleFlow-v1.0.0.zip）可以直接在 GitHub Releases 页面 下载。解压后将 SimpleFlow.app 拖入 /Applications 即可开始使用。

Bottom Text

在 2026 年，个人专属软件不再是一个神话，而是每个人触手可及的现实——即使是没有任何编程经验的人。打造一款完全贴合自身需求的专属工具，如今比在互联网上到处寻找所谓的“完美替代品”还要简单。

我不知道还能从中得出什么别的结论——别犹豫了，动手用起来吧，朋友们。