0. 为什么想给 AI 编程配个手持遥控器？
最近用终端跑 AI 编程（比如 OpenAI Codex、Claude Code、WorkBuddy 或者各种 CLI Agent）越来越多。用了一段时间后，能明显感觉到工作流里最大的变化是：打字量变少了，但对话和确认变多了。
以前写代码大部分时间是在敲键盘，现在很多时候是：
- 整理一段思路，用自然语言向 Agent 描述需求；
- 看着它输出代码和 Diff；
- 敲回车确认执行命令，或者在中途按中断；
- 在几个不同的终端窗口或工作区之间切来切去，看各个 Agent 跑完了没有。
在这样的节奏下，语音输入确实是一个实打实的效率提升——说话往往比手打一段长 Prompt 快得多。但如果纯靠键盘上的按键去唤醒语音，人还是得一直坐在桌子正前方、手放在键盘上。
前段时间 OpenAI 的硬件原型 Codex Micro 公开后，社区里跟风出现了很多各色各样的「Vibe Coding 实体按键/小硬件」。但实际看下来，很多 DIY 小外设要么做工粗糙、按键松垮，要么属于早期的实验性玩具，稳定性和连接体验参差不齐。
其实完全不需要去买那些溢价外设或折腾 3D 打印。手边一个日常能买到的小米电视蓝牙语音遥控器 2 Pro（型号 RC003），成本大概 50~60 元，本身就是大厂量产、模具成熟、自带蓝牙 BLE 和语音麦克风的成品硬件。
拿它当掌上控制器，核心诉求其实很朴素：
- 按住即说（Push-to-Talk）：单手按住遥控器上的语音键直接口述 Prompt，松手自动上屏；
- 免键鼠盲切：靠在椅子上时，单手用方向键切换终端 Tab 和 Workspace，按中间 OK 键确认放行，按返回键中断。
这套方案不仅适用于我日常在用的 macOS，社区目前也提供了 Windows 的运行路径。下面记录具体的配置方法与排坑细节。
1. 硬件细节：为什么选 RC003？
小米这款遥控器在二手平台或电商平台售价通常在 50 到 60 元左右。选它主要看中几个硬件细节：
- 原生蓝牙 BLE 直连：走标准蓝牙协议，不需要外挂 USB 接收器，电脑自带的蓝牙就能直接配对连接；
- 远超几十元价位的金属质感： 许多低价小硬件或 DIY 按钮最大的痛点是外壳轻飘、塑料感强，甚至有 3D 打印的明显毛刺。而 RC003 作为小米高端电视的原配遥控器，整机做工非常扎实：
- 一体成型的金属质感机身：香槟金色表面经过了细腻的磨砂处理，触感温润微凉且不易留指纹，拿在手里有一定的分量感和重心平衡，绝非轻飘飘的薄塑料；
- 干脆清晰的按键段落感：按键内部并非软塌塌的导电胶手感，触发时有类似微动的清脆确认感（Clicky），行程适中、回弹利落，盲操时按没按下去心里一清二楚；
- 不突兀的桌搭颜值：极简的黑金撞色设计，平时随手放在键盘掌托、实木桌面或数码桌垫上，看起来就像一件专门打造的掌上数码配件，毫无违和感；
- 适合盲操的按键布局：
- 中间 OK 键有明显的下凹弧度，大拇指搭上去就能瞬间定位；
- 外圈方向环在上下左右四个方向都有凸起的微小刻度，不用眼睛看也能清楚确认按键方位；
- 顶部的麦克风键独立居中，单手握持时食指托底、拇指自然落在语音键上；
- 近场人声拾音：电视遥控器内置的麦克风本身针对近距离人声做了拾音调优，环境杂音相对较小，很适合日常口述 Prompt。
2. 软件配置：打通系统与语音输入
虽然遥控器的方向键蓝牙连接后就能作为普通输入设备使用，但遥控器上的语音键传输的是专用的语音数据包，操作系统默认不会把它识别为常规麦克风。
社区开源的 HD838A/remote-mic-app（SayAll） 解决了两件事：
- 在系统里生成一个虚拟音频输入设备（macOS 下为
MiRemoteV 2ch）； - 监听遥控器的语音事件，按住语音键时接收音频并实时推流到虚拟麦克风，松手时结束。
配合支持「按住说话（PTT）」的语音输入法（如微信输入法），就能做到按住说话、松手上屏。
2.1 macOS 平台配置流程
- 配对遥控器：在 Mac 系统设置的蓝牙列表中，同时长按遥控器的「主页键（房子标）」和「菜单键（三条杠）」，等待指示灯闪烁，在 Mac 上点击配对连接；
- 安装 SayAll 与音频驱动：
- 从 GitHub Releases 下载安装
SayAll.app； - 打开后根据提示安装音频驱动插件（位于
/Library/Audio/Plug-Ins/HAL/MiRemoteV2ch.driver）； - 打开「系统设置 ➔ 声音 ➔ 输入」，此时可以看到已出现输入设备
MiRemoteV 2ch；
- 从 GitHub Releases 下载安装
- 设置微信输入法（WeType）：
- 微信输入法的语音识别率和标点断句很准确，并且支持长按快捷键说话；
- 在微信输入法设置中开启「按住快捷键说话」，将快捷键设为
Fn（或指定组合键）； - 声音输入来源选择
MiRemoteV 2ch。
2.2 Windows 平台配置流程
如果你在 Windows 环境下使用（例如用 Windows 跑终端、运行 Codex 或 WorkBuddy）：
- 同样在 Windows 设置的「蓝牙和其他设备」中长按配对遥控器；
- 运行 SayAll 的 Windows 预览版（或社区针对 RC003 的 Windows 适配方案，如
zhaozhuque/MIC-RC003-Windows）； - Windows 预览版默认将语音快捷键映射为
Ctrl + Win； - 在 Windows 微信输入法中将语音输入快捷键同样匹配为
Ctrl + Win，麦克风选定遥控器映射出的音频设备即可。
3. 几个关键细节的快速排坑
实际配置过程中有几个容易卡住的体验细节，提前处理可以省不少时间：
技巧 1：SayAll 引导界面如果卡住怎么跳过？（macOS）
全新安装 SayAll 时，部分 macOS 版本在连接遥控器后，新手引导界面可能会一直停在最后一步无法点击完成。
无需重新安装，直接在终端执行一行命令写入完成标记即可：
defaults write com.hd838a.RemoteMic "onboarding.completedVersion" -int 1
defaults write com.hd838a.RemoteMic "onboarding.step" -string "complete"重启 SayAll 即可直接进入完整的按键映射设置界面。
技巧 2：微信输入法 Mac 版录入不上独立 Fn 键？
在 macOS 上，如果想用单按独立 Fn 键作为语音触发，微信输入法设置界面偶尔无法正常录入。推荐直接在微信输入法「快捷键」中设为一个冷门组合键（如 Control + Option + V），并在 SayAll 中同样映射为该组合键，零门槛且绝无冲突。
若执意使用单键 Fn，微信输入法配置由 MMKV 存储且带 CRC32 校验，通过以下精简脚本重算校验即可生效：
# 微信输入法 MMKV 配置修复 (重算 CRC32 校验)
import os, zlib, struct
path = os.path.expanduser("~/Library/Application Support/WeType/mmkv/wetype.settings")
data = bytearray(open(path, "rb").read())
open(path + ".crc", "wb").write(struct.pack("<I", zlib.crc32(data)))随后在 SayAll 里将语音模式选为 fn 即可无缝配合。
技巧 3：方向键快速连按无响应？打开「允许连续快速按」
很多用户在 SayAll 里把十字键映射为自定义快捷键后，会发现“按一下能切，但快速连按两下第二下没反应”。
原因：
- SayAll 默认对自定义快捷键开启了防连击保护，按键稳定前会过滤连续输入；
- 如果你在界面里设置了「双击」，单按时系统会额外等待几十毫秒去判断是否为双击，带来明显延迟。
手感优化设置：
- 在 SayAll 方向键设置中，清除所有「双击」绑定；
- 勾选对应按键下方的 「允许连续快速按」（Allow Rapid Repeated Presses）。
这样设置后，按键消除了双击等待窗口，单击零延迟触发，连续快速点按时也能每一次都即时响应。
4. 终端与 Agent 工作流配置：Herdr / Codex / WorkBuddy
遥控器到手后，最重要的价值是在开发工作流里配合终端复用器使用。
这里以我常用的 Herdr（专为多 Agent 协同设计的终端管理器，运行在 Ghostty 或任意终端中）为例，同时兼容 OpenAI Codex、腾讯 WorkBuddy (CodeBuddy) 和 Claude Code 等常见 Agent 工具。
4.1 空间直觉的按键映射
在多 Agent 场景下，界面的排布通常有天然的空间逻辑：
- 顶部是横向排列的 Tabs（标签页，通常放同一个项目里的不同任务或视图）；
- 左侧是纵向排列的 Workspaces（工作区，比如分别跑着 Codex、WorkBuddy 和一个测试环境）。
我们将遥控器映射为直观的免前缀快捷键：
| 遥控器按键 | 发送的快捷键 | 对应动作 | 实际用途 |
|---|---|---|---|
| 方向左 ◀ | Ctrl + Alt + Left | 上一个 Tab | 拇指往左切，回到上一个代码或输出窗口 |
| 方向右 ▶ | Ctrl + Alt + Right | 下一个 Tab | 拇指往右切，查看右侧并行的终端输出 |
| 方向上 ▲ | Ctrl + Alt + Up | 上一个 Workspace | 向上切换工作区（如切到正在跑 Codex 的项目） |
| 方向下 ▼ | Ctrl + Alt + Down | 下一个 Workspace | 向下切换工作区（如切到 WorkBuddy 的执行区） |
| 中心 OK 键 | Enter | 回车确认 | Agent 提出操作确认时，按一下直接放行 |
| 返回键 ⮌ | Ctrl + C / Esc | 中断 / 取消 | 发现 Agent 运行偏离预期，按一下中断当前轮次 |
| 语音键 🎙 | Fn (长按 PTT) | 语音输入 | 按住口述 Prompt，松手文字自动落入命令行 |
4.2 保持键盘原有习惯：Herdr 的多键位数组
如果你在键盘上依然习惯 tmux 式的 Ctrl+B 然后按 p / n 切标签，在 Herdr 的配置文件（~/.config/herdr/config.toml）中支持用数组同时声明两套按键：
[keys]
previous_tab = ["prefix+p", "ctrl+alt+left"] # 左/右键：切 Tab
next_tab = ["prefix+n", "ctrl+alt+right"]
previous_workspace = ["prefix+up", "ctrl+alt+up"] # 上/下键：切工作区
next_workspace = ["prefix+down", "ctrl+alt+down"]修改后执行 herdr server reload-config 即可热加载生效。这样坐在桌前打字时键盘快捷键照常使用，靠在椅背上手持遥控器时又能单手免前缀直切。
4.3 在 Codex / WorkBuddy 中的实际配合
当你在多个工作区里并行跑不同的 Agent：
- 在 Codex 中：经常需要对生成的改动做多次确认。大拇指按住语音键：“这部分不要重构，只在原来的函数里加一个空值检查”，松手文字上屏，按一下中心 OK 提交；如果 Codex 询问是否允许执行 bash 脚本，再按一下 OK 放行；
- 在 WorkBuddy / CodeBuddy 中：多 Agent 分工执行时，左手可以完全离开键盘，右手按住遥控器下达任务：“帮我把刚才的 API 文档生成成 Markdown 格式”，随后用上下键切换到其它工作区去检查编译日志。
5. 日常使用感受
用了这套方案一段时间后，最真实的改变并不是什么工作方式的翻天覆地，而是生理上更舒服了：
- 长 Prompt 明显更愿意说了：以前敲三四句话的需求或者边界条件，经常懒得打字就精简成了半截话，导致 Agent 理解不准；现在按住遥控器自然地说完一两百字的完整上下文，识别准确度很高，沟通成本反而降了；
- 多终端巡视更顺手：几个 Agent 都在跑任务的时候，手里拿着遥控器按两下方向键巡视一眼状态，比把手移到触控板或鼠标上去切屏轻松很多；
- 硬件成本几乎没有心理负担：相比动辄上百美元的专用小硬件，几十块钱的小米遥控器坏了不心疼，模具做工也完全在线。
如果你平时也在重度使用各种 AI 编程工具，手边正好有闲置的小米蓝牙遥控器，或者花几十块淘一个，花上十几分钟配置好，会是一个低成本但体验很扎实的小外设升级。
