工程版本日志 · 2026.07
从语音输入到 Voice Inbox
移动端不复制桌面输入法。一次录音应该变成一个可继续处理的对象，同时保留用户真正说过的话。
4 类对象笔记、任务、想法、会议记录
原文优先结构化结果不覆盖原始转写
50–100首轮代表性音频样本
2 种交付Hosted API 或私有 Docker
适用范围产品与接口实验移动端方向已重新收敛
证据类型架构假设 + 参考客户端观察结果、目标值与估算值分开陈述。
当前状态未作为桌面主路径上线本篇记录特定日期的工程状态，不代表永久承诺。
01 · PRODUCT HYPOTHESIS
手机端需要自己的使用逻辑
桌面端的核心是把语音送进当前输入框；手机端更适合成为 Voice Inbox。每次录音可被识别为笔记、任务、想法或会议记录，再进入对应工作流。
02 · DATA CONTRACT
原始转写是不可丢失的事实层
分类、标题、截止时间和格式化内容都是派生视图。它们可以修改或重新生成，但不能静默替换原始语音文本。接口同时返回 transcript、objects、quality 和 timing_ms。
03 · REFERENCE CLIENT
先用真实客户端验证完整链路
- 认证后的云端转写。
- 本地 Voice Inbox 与四类对象。
- 可编辑转写预览、复制和系统分享。
- 首版分类器保持简单，生产版迁移到 schema-bound API 输出。
04 · B2B PILOT
把内部能力变成可验证的服务
试点使用中英文代表性音频，对比延迟、转写质量和结构化结果。交付可以是 hosted endpoint，也可以是私有 Docker；商业讨论之前先做一个边界清晰的技术验证。
证据 · 诊断
现有证据能说明什么，不能说明什么
这项实验确认了一个重要边界：原始转写是事实层，任务、标题、摘要和格式只是派生结果。移动端不应照搬桌面悬浮窗，而应围绕系统输入法、语音收件箱与可继续处理的对象建立自己的交互。
统一阅读规则生产观察只描述实际走过的路径；受控基准用于隔离单一组件；目标值在持续分布达标以前始终只是目标。
运维 · 开放工作
失败时如何退化，以及下一道验证门槛
Android 可用 InputMethodService 承担系统级输入；iOS 第三方键盘不能直接录音，因此需要伴随应用、快捷指令或系统入口采集，再由键盘扩展插入最近结果。B2B 接口则必须保留原文、派生对象、质量信息和阶段计时。
- 失败可见性
- 每次降级都必须记录原因码和阶段计时。最终拿到文字，不能抹掉实时、AI 或粘贴此前失败的事实。
- 发布证据
- request ID、实际模型、节点、排队、上传、ASR、AI 和交付时间必须保存在同一条可追踪链路中，才能完整复盘回归。