【学习工作】按见 PressSee（原 VoiceKeyApp）——把重复操作变成看得见的一键流程

TRAE AI 创造力大赛 【大赛初赛专区】
1

【学习工作赛道】按见 PressSee（原 VoiceKeyApp）——把重复操作变成看得见的一键流程

名称说明

本作品报名阶段使用 VoiceKeyApp 名称。随着项目从“语音按键专用工具”逐渐扩展为“让普通人用一个按键安全执行一整段操作”的产品，初赛版本正式更名为 按见 PressSee。中文名取自“按键”与“看见”，英文名由 Press 与 See 组成：用户不仅能按一下完成操作，也应当在执行前看见它将做什么。

一句话价值：

把一整段机械重复的操作，变成普通人能配置、能看懂、敢执行的一次按键。

0. 先和大家打个招呼

大家好，我是熊啾啾。在海外生活和从事零售门店管理工作 8 年，我没有编程背景，但在工作中始终热衷于使用数字工具探索更高效的工作方式、减少重复劳动。
现已回国，定居杭州，准备重新开始，并尝试把日常生活和工作中的真实问题做成产品。

1. Demo 简介

按见 PressSee（原 VoiceKeyApp）是一个由 TRAE 协助开发的 Windows 硬件交互工具。它把普通键盘、Insta360 Mic Air 等设备上的实体按键变成工作流入口。当前核心 Demo 是两状态语音工作流：按一次开始录音，再按一次结束录音，程序根据说话时长等待转写，并在确认目标窗口没有变化后自动发送。

它不是新的语音识别引擎，也不只是又一个键位映射器。语音输入是第一个被真实跑通的场景；更长期的方向，是让没有编程基础的人也能把“一整段重复操作”交给一个按键，同时在执行前清楚看见触发条件、动作顺序和可能风险。

我们真正想解决的三件事

  1. 降低门槛：让零基础用户也能把操作变成按键。 传统宏、脚本和按键映射并不新鲜，但配置它们往往需要理解扫描码、热键语法和程序状态。按见希望用户只需说清楚“我想让这个按键做什么”，不需要先学会它是怎么实现的。

  2. 安全透明：让用户知道按下去以后会发生什么。 自动化脚本会操作键盘、窗口和应用，不能成为让人心里没底的黑箱。按见希望把触发按键、动作步骤、等待时间、目标窗口和风险提示摊开给用户看；涉及发送、启动程序等动作时，还应提供确认、取消和执行记录。

  3. 顺应 AI 时代：把机械重复外包，把注意力还给创造。 人只要重复做过一件事，就会希望把以后的无数遍交给 AI。AI 正在降低描述需求、生成方案和调试自动化的成本，因此过去属于少数极客的脚本和重映射能力，有机会成为普通人的日常工作流。按见想承接那些已经确定的机械步骤，让人把时间留给真正需要创造、判断和不可替代经验的事情。

面向用户：

  • 在 Windows 上频繁聊天、记录灵感、写 Prompt 或做笔记的人。

  • 双手正在操作其他设备，希望盲操作语音输入的人。

  • 想把无线设备、媒体键或宏键变成个人工作流入口的人。

当前核心功能：

  1. 实时捕获普通键、小键盘键和组合键，普通用户无需输入扫描码。

  2. 可见的工作流选择：当前实现两状态语音工作流和单次快捷键工作流。

  3. 实体按键语音 Toggle：空闲时第一次按开始，录音中第二次按结束。

  4. 动态转写等待：根据录音时长调整等待时间，而不是固定延迟。

  5. 稳定性与安全保护：按键释放触发、防抖、精确右 Alt、等待上下限、窗口一致性检查、捕获器生命周期保护和状态重置。

与常见方案的区别

方案 操作方式 非标准硬件按键 动态等待 防止切窗口误发 普通用户配置
手动点击输入法语音按钮 多次点击 不支持 人工等待 依赖用户 无需配置但操作长
PowerToys/普通键位映射 单次按键映射 部分支持 不支持 不支持 相对简单
最初的固定 AHK 脚本 两次按键 写死扫描码 支持 初版不支持 需要改代码
按见比赛版（原 VoiceKeyApp） 单次动作或状态化工作流 InputHook 实时捕获 + Mic Air 预设 支持 支持 GUI + 托盘

2. Demo 创作思路

灵感来源

这个项目来自一个很小但很真实的瞬间：我手里已经有一枚无线设备按键，它能向 Windows 发送按键信号，但日常除了调音量几乎没有价值。与此同时，我经常使用微信输入法语音输入，却仍然要完成“找到输入框 → 按语音快捷键 → 结束录音 → 等待转写 → 手动发送”这一串操作。

我开始想：能不能不重新开发语音识别，也不购买新的专用硬件，只用这枚现成的按键，把整条操作链压缩成两次盲按？

想解决的问题

  • 语音输入的操作链仍然太长，会打断思路。

  • 非标准设备按键虽然能被系统识别，却很难让普通用户配置。

  • 长短句的转写时间不同，固定等待容易漏发或浪费时间。

  • 延迟自动发送存在切换窗口后误发的风险。

  • AI 编写 AutoHotkey v2 时容易混入 v1 语法、编码和编译问题。

方向选择与取舍

我选择 AutoHotkey v2，而不是开发完整桌面应用或自研语音识别，因为目标不是替代输入法，而是用最低成本把硬件按键接入现有语音能力。

项目先做成针对 Mic Air 的专用脚本，再扩展为带三步向导和托盘菜单的通用 EXE，之后又探索了 Pro 版：用户用自然语言描述动作，AI 返回受限 JSON 积木，而不是直接执行任意代码。

下一代方案希望让用户描述“我要做什么”，由 AI 拆解成人话版多步计划，再由一个按键串联执行。但初赛版本不会把尚未完成的设计包装成成品，核心 Demo 仍然聚焦已经真实跑通的实体按键语音链路。

这里的产品判断是：技术是否新，不等于需求是否已经被真正普及。 宏、脚本和按键重映射存在多年，但 AI 第一次让普通用户有机会用自然语言表达目标，并让系统协助拆解和检查操作。按见不是让 AI 在电脑上任意发挥，而是把 AI 放在“理解需求、编排受限动作、解释执行计划”的位置；最终执行的仍是用户看得见、确认过的步骤。

核心工作链路

Mic Air 实体按键
        ↓  SC130 Up + 防抖
按见判断当前状态
        ├─ 未录音 → 模拟右 Alt → 开始录音 → 记录窗口和时间
        └─ 录音中 → 模拟右 Alt → 结束录音
                         ↓
          基础等待 + 录音时长 × 系数
                         ↓
             检查当前窗口是否仍一致
                    ├─ 一致 → 自动发送
                    └─ 已切换 → 取消发送并提示

这个链路的重点不是代码量，而是把硬件事件、输入法状态、转写时间和窗口上下文接成一个完整闭环。

3. TRAE 实践过程

开发阶段总览

日期 阶段 TRAE 参与方式 结果
7 月 4 日 按键识别 教学 KeyHistory、生成检测脚本、解释 VK/SC 找到 VK=AF / SC=130
7 月 4 日 专用原型 生成并反复修正 AHK v2 Toggle 真实语音链路跑通
7 月 4 日 GUI 与 EXE 设计三步向导、配置持久化、托盘、打包 VoiceKeyApp.exe
7 月 4 日 Skill 与 Pro 总结踩坑 Skill、设计受限 JSON 积木、二分排查编译 Skill + VoiceKeyAppPro.exe
7 月 6 日 项目记忆 梳理 PRD、决策、Bug、日志和下一步 项目知识库基线
7 月 9–10 日 参赛与下一代 明确赛道，设计多步路径和安全审计 报名稿 + 下一代设计 HTML
7 月 13–14 日 比赛收口 合并稳定逻辑、重构 InputHook 与工作流、根据用户截图连续修 Bug、反复打包验证 VoiceKeyAppCompetition.ahk + PressSee.exe

我没有把 TRAE 只当成“生成一段代码”的工具。它在这个项目里依次承担了教学、实现、排错、二分实验、产品设计、经验沉淀和参赛整理。下面每个关键阶段都会把截图和 Session ID 放在一起，方便核验。

阶段一：从不会检测按键，到找到 SC130

项目一开始只是询问 TRAE 如何使用 AutoHotkey KeyHistory。TRAE 引导我创建检测脚本，并从 KeyHistory 中确认 Mic Air 按键的 VK=AF、SC=130。

阶段二：让实体键真正控制语音输入

第一版脚本并没有顺利运行。开发中先后遇到 UTF-8 BOM 导致首行报错、AHK v1/v2 字符串写法混用、普通 Send 无法稳定触发右 Alt、旧进程残留拦截键盘，以及 /ErrorStdOut 误报等问题。

最终通过 UTF-8 无 BOM、v2 语法、显式 down/up、延迟、防抖和真实输入法测试，形成了可用的语音 Toggle。

TRAE 应用深度

TRAE 能力 在本项目中的具体应用
从自然语言理解需求 把“按一下开始、再按一下结束”拆成 Toggle 状态机和动态等待公式
读取真实错误反馈 根据用户截图排查 BOM、错误行号、残留进程和 Send 模式
系统化实验 创建最小脚本和二分测试，逐段定位 Ahk2Exe exit 17
约束式生成 Pro 版让 AI 返回受限 JSON 积木，而不是直接执行任意代码
经验复用 把编码、语法、Send、热键和打包踩坑整理为 AHK v2 Skill
产品与路线设计 从专用脚本扩展到 GUI/EXE，再规划多步路径和安全审计

4. 遇到的关键困难与解决方式

困难 根因 解决方式
AHK 首行报错但真实错误不在首行 BOM、v1/v2 语法、误导性行号 检查首字节、UTF-8 无 BOM、按 v2 规则改写、实际运行验证
右 Alt 无法稳定触发输入法 模拟按键过快或层级不合适 明确的 VK/SC down/up 和延迟
一次实体按键触发多次 按下/释放及设备事件重复 在 SC130 Up 时触发并增加 500ms 防抖
自动发送可能落入错误窗口 转写等待期间用户切换焦点 记录原窗口，发送前检查窗口一致性
Ahk2Exe 只给 exit 17 或卡住 编译器与解释器语法兼容差异 用大量最小测试和二分法逐段定位
AI 生成动作可能不安全 任意代码和路径具有执行风险 Pro 实验版采用受限 JSON 积木；完整安全审计放到赛后
小键盘和组合键捕获不完整 手写热键白名单漏键 改用 InputHook 全键通知，界面实时显示
完成配置后动作失效并连续报错 InputHook 未停止，GUI 销毁后仍截获脚本自发按键 完成前停止捕获、窗口存活检查、回调自停、修饰键释放兜底
动态热键注册直接崩溃 错用 Hotkey("If", "") 删除调用，并修正项目 Skill 中的错误示例

5. 下一步

初赛之后，项目计划继续推进：

  1. 把通用配置和专用稳定逻辑整理为正式 1.0。

  2. 完成 Numpad1、Mic Air、组合键、InputHook 生命周期和修饰键恢复的连续回归。

  3. 实现人话版多步路径编辑器、执行日志和失败处理。

  4. 完善 Pro 版的密钥安全、严格参数校验、热键恢复和冲突检查。

  5. 在验证模板串联可靠后，再评估 AI 生成真实 AHK 代码和完整安全审计。

  6. 最终探索用户分享个人按键工作流的社区能力。

6. 参赛证明

名称连续性说明：本项目报名帖和前三个 TRAE Session 均产生于更名前，因此其中显示的 VoiceKeyApp 是按见的曾用名，属于同一作品的连续开发记录。

已通过的社区报名帖：

VoiceKeyApp — 让任何按键变成任何功能（审核已通过）

关键 Session ID 汇总：

  1. 原始需求与语音 Toggle：3805835197417696:0e8a4016f9f70738f84c0e0e45bd8e84_6a48944c9427217e415cb6da.6a489d199427217e415cb744.6a489d199427217e415cb742:TRAE Work CN.0.1.32.no_sid.no_ppe.T(2026/7/4 13:41:45)

    image
    image849×1071 66.7 KB

    image
    image790×989 48.3 KB

    image
    image814×670 40.9 KB

  2. 功能拓展：3805835197417696:86397ba9b84f0d8f59cf4860dbd6117e_6a48944c9427217e415cb6da.6a48b15a9427217e415cb84a.6a48b15a9427217e415cb848:TRAE Work CN.0.1.35.no_sid.no_ppe.T(2026/7/4 15:08:10)

    image
    image808×749 36.3 KB

    image
    image822×811 42.4 KB

    image
    image783×730 43.5 KB

  3. AI 积木方案设计：3805835197417696:9861d8fa4781cb43a9a558bd5b23605d_6a48944c9427217e415cb6da.6a48b95a9427217e415cb8bb.6a48b95a9427217e415cb8b9:TRAE Work CN.0.1.32.no_sid.no_ppe.T(2026/7/4 15:42:18)

    image
    image812×961 49.9 KB

  4. Pro 编译与兼容性排错：3805835197417696:9861d8fa4781cb43a9a558bd5b23605d_6a48944c9427217e415cb6da.6a48baa39427217e415cb8da.6a48baa39427217e415cb8d9:TRAE Work CN.0.1.32.no_sid.no_ppe.T(2026/7/4 15:47:59)

    image
    image807×1063 60.5 KB

7. 总结说明

按见的当前 Demo 规模不大，但它从一个完整、真实、每天都能重复体验的问题出发：如何让一枚非标准实体按键可靠地进入 Windows 输入法工作流。这个小切口同时验证了更大的产品方向——普通人能否在不理解脚本细节的前提下，把一整段重复操作交给一个按键，并且始终知道系统将要做什么。

它的核心价值不在于重新发明语音识别或按键映射，而在于三点：

  1. 降低门槛：从真实语音场景开始，验证一次按键可以替代一整段操作；下一步让零基础用户通过自然语言配置，而不是学习脚本。

  2. 安全透明：当前 Demo 已把动态等待和“焦点是否仍在原窗口”纳入安全链路；下一步把完整动作计划、风险提示和执行记录展示给用户。

  3. 面向 AI 时代：用 AI 理解和编排重复工作，但不让 AI 黑箱式地任意执行，把效率提升建立在用户可见、可控、可取消的基础上。

如果后续进入复赛，我会把比赛版从个人可用工具继续完善为普通用户可配置的稳定 1.0，并验证“自然语言生成多步按键工作流”的下一阶段能力。

按见不是另一个语音识别工具，也不只是一个按键映射器。它想让普通人把重复操作交给 AI，同时让每一次按下，都看得见将要发生什么。

7. 下载链接

按见PressSee.zip (619.0 KB)

8. 视频链接

4.69 :4pm N@W.mD 04/16 dAG:/ 「VibeCoding 大赏」说是用上AI之后竟然肌肉蹭蹭涨 # vibecoding大赏 # traeai创造力大赛 @抖音科技 @TRAE.ai # traeai # 健身日常 # vibecoding # ai新星计划 https://v.douyin.com/vfiKm1aGqgU/ 复制此链接，打开Dou音搜索，直接观看视频！