Cue

Cue 是一款运行在 Mac 和 Windows 桌面上的语音 AI 智能体，用户只需按下快捷键并开口说话，无论是任意应用中的语音听写，还是需要理解屏幕内容、调用工具并执行的复杂任务，Cue 都能精确完成。它的核心愿景很直接——让 AI 成为人们通过语音而非打字与计算机交互的自然延伸，键盘在日常计算中应该是”可选”而非”必需”。 Cue 的操作逻辑非常简洁：按下快捷键唤醒（Fn 键），Cue 会出现在屏幕顶部；说出需求，无论简单还是复杂，Cue 都会理解当前场景并自主规划执行步骤；等待完成，用户可以去喝杯咖啡，回来就是成品，下一次它已经记住你的偏好。这种”零配置、零集成”的设计让 Cue 可以在 20 多种语言、几乎所有主流应用中直接使用，包括微信、WhatsApp、Gmail、Notion、Figma、Cursor、终端等。 语音输入本质上是原始的语音转文本流，包含语气词、缺失标点、同音字错误和自我修正，把这些转化为干净、高保真的文本且不能拖慢体验，是语音优先界面的核心工程难题。 集成 Gemma 4 E4B 模型后，润色延迟大幅降低了 44%，中位数延迟从 876 毫秒降至 488 毫秒，让”润色”步骤始终能在用户感知不到卡顿的时间预算内完成。Cue 的架构设计非常简单：用户说话后，音频通过云端语音转文本被转录为原始文本，再通过 Ollama 发送给本地运行的 Gemma 4 模型，配合约 400 个 Token 的系统提示词，完成标点恢复、语气助词去除、同音字修正以及依据输入框类型自动调整格式（例如终端命令不加句号，邮件则保留完整标点）。整个从说话到润色再到插入光标位置的闭环流程能在一秒内完成。 由于 Gemma 4 E4B 完全在端侧运行，润色步骤的边际成本降到零，这使得 Cue 可以对所有用户（包括免费用户）提供无限次听写。 除了听写，Cue 的智能体能力可以直接完成具体任务：分析财报并给出自由现金流趋势和风险信号、把旅行照片自动生成带图的演示文稿、扫描收据文件夹并输出费用报表、将 CSV 数据一句话生成仪表盘、会议结束后自动总结并把待办事项添加到 Notion 等。在商业场景中，Cue 还能帮用户起草并调整报价邮件。 在隐私设计上，Cue 采用本地优先的模式：登录后对话可同步，但请求会按需处理，截图仅用于处理不做存储，闲置时也没有后台进程持续运行。