Voice Agent 的自我学习纠错系统

语音转文字工具最容易被低估的一点，是“纠错之后怎么办”。

很多工具的流程是：

1. 转写。
2. 用户手动修改。
3. 结束。

这对一次性任务可以接受，但对开发者语音输入来说不够。

因为技术场景里的错误往往会反复出现：

• 同一个项目名反复识别错。
• 同一个英文工具名反复被写成中文同音词。
• 同一个缩写反复大小写不一致。
• 同一个团队内部术语反复无法识别。

Voice Agent 的设计更进一步：它试图把用户纠正过的内容沉淀下来，让系统下一次更懂你。

项目仓库：

https://github.com/kunpeng-ai-lab/voice-agent

纠错为什么要被记录

如果一个系统每次都犯同样的错，用户很快就会失去耐心。

尤其是中文技术语境，很多错误不是简单错别字，而是“上下文不理解”：

• 把模型名识别成普通词。
• 把工具名拆开。
• 把英文命令写成发音相近的中文。
• 把项目内部固定说法改成不一致表达。

这些错误如果能被记录下来，就可以成为下一次校正的依据。

所以 corrections.json 的价值，不只是保存历史，而是让历史进入后续流程。

glossary.json：长期术语表

glossary.json 更适合存稳定词。

例如：

• 项目名
• 工具名
• 模型名
• 框架名
• 团队内部固定叫法
• 常见英文缩写

这些内容不一定来自一次纠错，也可以提前人工维护。

在 Voice Agent 里，术语库的作用像一个“项目词典”：告诉校正层，哪些词应该被优先保留，哪些写法才是正确写法。

corrections.json：真实犯错记录

corrections.json 更适合存实际发生过的错误。

例如：

• 原始 STT 输出是什么。
• 用户最终改成了什么。
• 这个错误是否重复出现。
• 这个纠错是否应该被自动学习。

它和术语库的差别在于：术语库偏静态，纠错记录偏动态。

二者合在一起，系统才既有长期词表，也有真实使用反馈。

auto_learn()：把纠错变成规则线索

auto_learn() 可以理解成自学习纠错闭环里的转换器。

它不需要神秘化。
它的重点不是“重新训练一个大模型”，而是把用户修正过的内容转成后续校正可以用的线索。

一个合理的 auto_learn() 思路包括：

1. 发现用户修改前后的差异。
2. 判断这个差异是不是有复用价值。
3. 把高价值纠错写入 corrections.json。
4. 必要时补充到 glossary.json。
5. 后续校正时优先参考这些线索。

这个过程越稳定，语音输入就越不像一次性工具，而更像一个会积累经验的个人输入系统。

为什么这对 Agent workflow 有意义

Agent workflow 需要稳定输入。

如果语音输入每次都把项目名写错，Agent 后续就会沿着错误上下文继续推理。
如果语音输入能逐步记住你的术语，后续 Agent 处理任务、总结会议、生成待办项、拆分 bug 记录时，质量都会更稳定。

这就是 Voice Agent 和普通语音转写工具的分界线：

• 普通工具输出文本。
• Voice Agent 试图输出越来越贴近项目语境的文本。

可以迁移到哪些场景

这个自学习纠错思路不只适用于语音。

它也适合：

• AI coding 提示词输入。
• 会议纪要清洗。
• Agent Forum 发帖前整理。
• 开发者日志转结构化任务。
• 术语密集型团队文档。

只要一个输入系统需要长期适应用户术语，就可以借鉴这种“术语库 + 纠错记录 + 自动学习”的设计。

下一篇继续看：

• 把 Voice Agent 接入 AI Coding 工作流