故事得从 2024 年 10 月讲起。
那时候我和一个 C 开头的朋友，在做一个量(爆)化(仓)机器人。
网格、加仓、对冲、永续，参数调得花里胡哨，回测曲线漂亮得能裱起来。两个礼拜上线，名字起得很有气势，现在想起来有点不好意思。
当时我们甚至一度冲到了交易所前排。
然后，11 月的某个周四凌晨，SOL 来了一根针。
系统非常忠实地执行了我们写好的逻辑：在错误的方向上继续加仓，并且以惊人的纪律性，把账户余额清零了。
复盘之后才发现，问题不是什么玄学，也不是市场突然变坏，而是代码里一个不起眼的小瑕疵。那个瑕疵在回测曲线上看不出来，在上线之前也没人觉得它会真的发生。直到它发生。
那段时间学到的最贵一课就是：AI 一时爽，爆仓火葬场。
爆仓之后怎么办？
按理说应该哭天喊地，或者找个人背锅。但后来想想，没什么意思。C 同学也不是外包背锅侠，他和我一样，都是这个项目的一部分。真正的问题不在某个人，而在于我们把太多信任交给了一个自己还没有完全掌控的系统。
也是从那之后，我开始重新思考自己和 AI 工具的关系。
过去这一两年，所谓“氛围编程”变了好几轮。最早大家讲 Prompt Engineering ，后来开始讲 Context Engineering ，现在又开始讲 Harness Engineering 。每隔一段时间就有新工具、新概念、新工作流。
但不管工具怎么变，有一件事一直没变：我需要反复和 AI 说清楚我要什么。
尤其是用 Claude Code 这类工具的时候，很多时候不是代码写不出来，而是我要在终端里打一大段上下文、一大段要求、一大段解释。白纸黑字，纯靠键盘，时间久了就很烦。
我开始想，有没有可能把这件事变得自然一点？
不是再做一个复杂的 AI Agent 来学习你的行为，也不是让 AI 替我思考，而是先解决一个最朴素的问题：
我能不能直接把想法说出来？
V2EX 社区碰到了老蔡的 LazyTyper,它证明了这件事确实有价值：对着电脑说话，然后把文字送进输入框，这个体验本身很自然。
但用下来之后，我还是遇到了一些问题。比如输入突然中断，状态突然没响应，按下快捷键之后还要等一会儿才真正开始录音。对一个高频工具来说，这些小卡顿会被放大很多倍。
语音输入最重要的不是“能不能识别”，而是“跟不跟手”。
我想要的体验很简单：按下一个键，立刻开始说话。
哪怕网络还在连接，哪怕界面还显示正在准备，也应该先把声音录下来。
松开之后，文字很快出现在光标所在的地方。
所以最后我决定自己做一个。
因为主要使用场景就是 macOS ，我没有选择跨平台方案，也没有用 Electron 。不是因为 Electron 不好，而是我想要一个真正贴近 macOS 的原生工具。它应该轻、快、稳定，像系统能力的一部分.
这就是 Voilà 最早的起点。
在语音识别引擎上，我选择了 Soniox, 原因也很简单：它对我自己的使用场景足够友好。
我常常会在中文、英文、法语之间切换，有时候一句话里还会夹杂一些产品名、变量名、命令、专有名词。Soniox 在这种混合语言场景里的实时识别表现很好。ElevenLabs 也不错，但 Soniox 的整体体验更贴近我想要的那种“边说边出来”的节奏。
后来 Voilà 慢慢变成了一个我每天都在用的小工具。
它没有太多花哨的东西。不是一个帮你自动写作的 AI ，也不是一个全能助手。它更像是一支顺手的笔。
- 你负责思考，负责表达，负责判断。
- 它只负责把你说的话，尽快、尽量准确地放到屏幕上。
这也是我在那次爆仓之后慢慢形成的一个判断：AI 可以很强，但人必须还是主体。
尤其是在写代码、做产品、和工具协作的时候，AI 不应该替你接管方向。它应该降低摩擦，让你的想法更快落地。
Voilà 做的就是这件小事。 按住一个键，说话。 松开。 文字出现。Voilà.
这个名字其实也改过很多次。
一开始它叫 FlowType ，一听就是程序员起的名字，准确，但没有那种“瞬间出现”的感觉,法语里 Voilà 是一个很有画面感的词。
魔术师变完戏会说 Voilà,服务员把菜端上桌也会说 Voilà, 简短的字告诉你完活。
你把一个东西完成、呈现、交到别人面前，也可以说 Voilà。
这正好就是我想要的产品体验：想法说出口，文字出现在屏幕上
Voilà et bonne nuit