软件的 3D 打印时代：用 Codex 一天造出日常可用的语音输入 App

一句话结论

Mac 语音输入工具要么准确率不够、要么擅自改写、要么隐私不透明——开发者让 Codex 从零写一个，一天做出真正可日常使用的 VerbatimFlow。核心洞察：个人工具型软件进入「3D 打印时代」，所有权从软件商回归个人；但造软件的门槛不是编程，是系统思维。

遇到的问题：市面工具没有一个是完全对的

前两天遇到一个很具体的问题：Mac 上的语音输入工具，要么准确率不够，要么会擅自改写说的话，要么隐私策略不透明。

市面上的选择不少：Wispr Flow 体验不错但不够稳定，Typeless 识别能力强但会「替你做主」——它觉得你想说的和你实际说的不一样。

需求很简单：按住说话，松开上屏，别改我的原文。

所以做了一件以前不太可能做的事：让 Codex 从零帮我写一个。

一天做出 VerbatimFlow

从 2 月 18 号开始，到 19 号，一天时间。产出的不是一个 demo，而是一个用了一整天的 Mac App——VerbatimFlow。支持全局热键、多引擎切换（Apple 语音识别、本地 Whisper、OpenAI 云端）、术语词典、失败录音重试。按住说话，松开转写，能用。

语音输入只是一个例子。同样的模式可以套在很多场景上——文件格式转换、数据清洗、工作流自动化、信息整理。这些事情以前得找现成工具，现在可以让 AI 按需求从零搭一个。

做完 VerbatimFlow 之后意识到一个更大的问题：如果一天就能造出一个自己满意的语音输入工具，那为什么还要去买别人的？

软件的 3D 打印时代

这让人想到 3D 打印。以前想要一个手机壳，得去买：有工厂生产，有品牌设计，有渠道分销，整个产业链因一个手机壳而存在。但如果 3D 打印机成本足够低、普及率足够高，每个人都能打印出自己想要的手机壳——生产手机壳的工厂就没有存在的必要。

当然，3D 打印普及了十多年，并没有真的消灭工厂，因为实物制造有材料强度、生产效率和一致性的硬约束。但软件不一样：软件的边际复制成本是零，不存在「材料」瓶颈。一旦 AI 能帮你写出来，你就直接拥有了它。

2026 年，不管是 Codex 还是 Claude Code，AI 编程工具的能力已经到了一个临界点：一个有想法的人，不需要会写代码，一天之内可以做出一个可用的软件产品。不是玩具，不是概念验证，是真正能日常使用的东西。

这意味着：个人工具型软件的所有权，正在从软件商回归到个人手中。

以前的软件产业有三层：基础设施（云服务、操作系统）、中间层（各种 SaaS 产品、工具软件）、终端用户。中间层是最厚的，也是最赚钱的——付月费用某个语音输入工具，付订阅费用各种 AI Wrapper，每个月给十几个 SaaS 产品交租。但如果终端用户可以自己造工具呢？想要语音输入工具？让 AI 帮忙做一个。想要特定的数据看板？让 AI 帮忙做一个。想要适合自己工作流的自动化脚本？让 AI 帮忙写一个。

当然，不是所有软件都会被替代。Figma 的价值不是画图功能，是团队实时协作和设计生态；Salesforce 的护城河不是 CRM 界面，是几十年积累的客户数据和业务流程；医疗和金融软件卖的不只是功能，还有合规认证和法律责任。这些靠网络效应、数据壁垒和合规门槛建立的产品，不会因为你能自己写代码就消失。

但那些「帮你解决某个具体问题」的工具型软件呢？语音输入、文件转换、数据清洗、笔记整理、自动化脚本——这一整个品类，正在失去存在的必要。

将来我们买的不是工具软件，买的是算力、模型能力和数据。

不是编程门槛，是系统思维门槛

但「人人都能做 App」是一个错觉。VerbatimFlow 这个项目，全程没有写一行代码。但做的事情比写代码难得多。

隐私权衡决策：想要兼顾速度和准确率，自然想到云端模型。但云端模型意味着语音数据要传出去。解法是同时保留本地 Whisper 引擎：本地好处是隐私安全，坏处是准确率和速度都差一点。如果用户选了云端模型，传输链路必须加密（OpenAI API 本身是 HTTPS），OpenAI 的服务器选择信任——只要数据在传输过程中不被窃听，这是一个合理的隐私权衡。这个决策过程跟编程一点关系都没有，它是系统架构师的思维：做权衡、画边界、定义什么可以接受。

macOS 权限系统大坑：macOS 把权限绑在「应用身份」上，不是你看到的「同名 App」上。每次重新构建，签名变了，系统就认为你是另一个应用，之前的权限全部失效。这种问题不踩进去根本不知道。但你需要有一种能力——在使用过程中敏锐地抓到问题在哪，然后知道该怎么描述它、怎么让 AI 去解决它。

热键状态机问题：用户按住说话、松开停止——听起来简单得不能再简单。但实际上 macOS 的键盘事件偶尔会丢失，导致「按下后不释放」。纯事件驱动试了不行；单信号 watchdog 也不稳。最后用了双信号源交叉验证加防抖机制，才稳定下来。

**回过头看，功能开发的时间远不到一半，大部分精力花在了稳定性和回归治理上。**这就是「从 demo 到产品」的真实距离。AI 能帮你写代码，但不能替你做这些判断。

这跟你有什么关系

你可能不需要做一个语音输入 App。但你一定有某个「现有工具不够好」的场景。以前的解法是：忍着用，或者花时间找替代品。现在的解法是：你可以自己造一个。

不是说你明天就能做出一个复杂的商业级应用。但一个解决自己具体问题的工具——一个适合你工作流的自动化脚本、一个按你的规则整理信息的小工具、一个一直想要但市面上没有的桌面应用——这些事情的门槛已经低到了一天。

关键不在于会不会编程。关键在于能不能想清楚这几件事：

• 要解决的真问题是什么（不是「我要一个语音输入工具」，而是「我要忠实转写，不要替我改写」）
• 能接受什么权衡（速度 vs 准确率、隐私 vs 便利、稳定性 vs 功能丰富度）
• 怎么判断它够用了（不是功能最多，而是核心场景稳定可用）

这些能力有一个名字：系统思维。它不是编程课教你的，是在反复做决策、做权衡、踩坑复盘的过程中练出来的。

工具型软件的 3D 打印时代已经来了。打印机越来越便宜、越来越强。但决定你能「打印」出什么的，从来不是打印机的性能，是你脑子里的设计图。

原文信息

作者：geoffreylitt（@geoffreylitt），开发者

原文地址：