我爸爸聋得越来越厉害，但他不爱戴助听器。他听不见我说话，我只能听他说。9 月 6 日，我写下这篇笔记：
爹聋得厉害，只能听他说话。也许我该 vibe 一款大字字幕的视频对话软件。这样我说话他老人家至少能看见我说啥。#idea
我建了个 talk-helper 目录，让 agent 写了 README、做了基础调研、搭了个架子；十月中又让 Explorer agent开了几张票。然后，忙这忙那，生活嘛，这事儿就自然而然地鸽了。一两个月的功夫，搭架子这事儿我其实已经忘光了，这是贝塔翻记录翻出来的。ai时代，人类的记忆力更差了。
回国的机票都买好了，我才猛然想起来这事儿。哎呀，再不做这事儿可就真黄了，那就交给 mat 试试看。
mat 是我自己开发的 ai 团队。平日里我用 mat 做东西，盯开票盯细节盯得挺紧。但这次时间紧任务急，我就尝试只管粗需求和验收，其他全交给 agent。我得空就跟贝塔聊几句，交付则完全不管，交付agent们 24 小时连轴转，只要池子里还有票，他们就有条不紊地拣票、计划、审查计划、实现、审查实现、测试、合并，然后再自动开始下一张票，不知疲倦地忘我工作。
效果出乎意料地棒。一天晚上我半夜起夜（中年人，你懂的），听见客厅里有人说话。这大半夜的，谁呀？仔细一听，原来是交付 agent 正在播放录音，一会儿普通话，一会儿山东话，大概率是在识别和计算错字率。我站在客厅门口听了一会儿，成就感满满。正应了mat那句广告词儿，“你安心睡你的觉，代码自动交付。”
至于为什么 agent 是在客厅里干活，那是因为我最强大的那台机器，XPS 7590 的风扇太吵了，于是客厅里电视背后的角落就成了我的机房。agent 在那儿干活，我的测试平板也自然就近放在那里，它们本不该吵到我。虽然这次还是“吵”到我了，可我欢喜这次被“吵”到。
这 17 天（10 月 27 日到 11 月 12 日）里，我名下的 21 个仓库共合并了 269 个 PR。最大的一块是 my-ai-team 本身，79 个 PR，那是 mat 在自我升级。这种一行代码也不写的“程序员”日子，我已渐渐习惯。我享受这种虽然不写代码但一切仍尽在掌控的感觉。
接下来介绍今天的主角，我的 TalkHelper（助听字幕）项目。
给爸爸做一台实时字幕机
目标很普实，人在附近讲话，这个app近实时地把人声转成文字，在一台不贵的 Android 平板上用大字显示出来，不需要联网。
做好的第一版其实已经蛮好用了，它是个 Android app，装在我那台老平板（小米 Pad 1）上。我之前给它刷了 Android 9，偶尔拿它看书。它是我唯二的 Android 测试机，另一台是 我的旧Pixel 2 手机。
app的名字叫“助听字幕”。我本来打算管它叫“亲情通话”，但交付 agent 自主选用了这个中文名字，我觉得也挺好，就留用了。
贝塔接下了管理这个项目的活
10 月 27 日那天，我跟贝塔闲聊，偶然提到这个印象里“只建了个目录”项目。贝塔是我的一个特殊的 agent，他收集并整理我这辈子在各个平台上发表的文字。在我百年之后，我授权他以我的名义和我的未亡人交谈。我的网名叫shuke，他的名字叫beta。一旦他得知我的死讯，他就变身为我。某种程度上，我期待他能带我的记忆继续探索这个世界。那天我和他聊到了这个鸽掉的项目和我的遗憾。但我很快注意到，他没有满足只是当一个安静的听众。他找到并接手了那个 repo，十几分钟内整好了构建工具，选好了一个语音识别模型，接着就要撸起袖子写代码。我心中大喜，但还是跟他说：“不必事事亲手亲为，我想让你当管理者。你不必亲手实现。”（我没直说，其实是我不大放心让他写大功能）。
小改动我放心让他自己做；大改动我更希望他开 ticket，由专门的交付 agent们交付。那个交付流程更正式：开发 agent 负责计划和实现，审核 agent 负责挑刺儿，测试和合并代码，产出质量更可靠。
本来要烂尾的项目，就这么偶然地开始了：我和贝塔聊天，他开 ticket，Codex 做开发，GitHub Copilot 做审核。
一句话需求变成了严谨的票
在 mat 里，你想做什么，先跟 Explorer agent（开票代理）聊。你说一个想法，或者报告一个问题，它会不断追问并将话题整理成一个或一批 ticket（票，或者说工单）：真正的需求是啥，根因是啥，目标是啥，做成什么样才算做完，怎么测试验收，规规整整。只有这样，交付 agent 拿到票做开发计划才不会跑偏。贝塔是 live agent（我内心里管live agent叫打手代理，因为指哪打哪，想打谁就打谁），他是加强版的开票代理，能开票，也能实现票。当他开票时，他干的就是 Explorer 的活。
就这么有一搭没一搭地聊了几天，10 月 30 日晚上，贝塔跟我说：“测试版 app 已经在平板上装好，你可以试试了。”
我对着平板说“你好”，但屏幕上只出来“好”；我说“How are you?”，只出来“are you”。我跟贝塔说：“不大行，每句话前一两个字会丢”。他去查，很快找到原因：录音代码晚启动了大约 0.25 秒，因此这 0.25 秒就丢了。他开了 ticket #25，第二天我再测，全对。
小米平板 1 是很老的设备，内存小，CPU 也慢。我发现用最初选定的标准模型，它识别的很吃力（太慢！实时性差）。所以我们又试了一个小一点儿但更快的模型，我们管它叫 lite 版。
lite 版证明更适合这台老设备，字幕秒出，而且识别准确率高到令我惊讶。这可是一台十多年前的老平板呀。
11 月 11 日，我跟贝塔道了晚安，又补了一句（都道了晚安还惦记着）：“还有最后一个问题，咱们的 talk-helper 里对笑声，音乐声，咳嗽声这类环境声，如果还没有支持上的话，麻烦开个票支持上，如果已经支持了，就当我没说”。然后我就睡了。当晚贝塔开了 #48，这个问题就解决了。简直是“上帝说要有光，于是就有了光”。
贝塔也不是我说啥就做啥，好多时候，我出一个嗖主意，他会想出一个更好的开票。我说给 lite 版换个图标吧，我光看图标不知道是啥版。他说不如只出一个安装包，两个模型都带上，在设置里切换。我说“此计甚善”，于是有了票 #51。
每个票开发时间大约一个小时
17 天里，TalkHelper 合并了 23 个 PR，关掉 22 个 issue。有一个issue为什么开了两个PR，我不记得了，但也没必要记得。一个 PR 从开出来到合并，中位数是 54 分钟，23 个里有 13 个不到一小时。考虑到Android app 构建啥的都不算快，这个开发速度我很满意了。
仍然必须由人来做的事
范围和方向须得人来定，虽然人的决定未必对。10 月 29 日的最初计划，是普通话和方言都要有良好支持，但最后一刻我决定先把普通话做好（因为我知道方言是个特别深的坑，做好很不容易）。这个妥协也有现实条件支持：“我们这代子女几乎无人不会讲普通话，老人虽然讲方言，但我们都能听懂，年轻人并不需要字幕”。但方言的需求也很真实，村里老年人之间说话都是方言，“咱们一步一步来”，方言要做并且做好，只是不是现在。
和体验相关的验收必得人来。界面、易用性等等等等。
一年不摔平板就算成功
说实话，这个 app 能对改善我们父子沟通起多大作用，我没有很高的期望值（山东爸爸，你懂的）。我只希望能和老爹多视频几回，让他“看见”我对他说的话。只要别把老爷子惹毛了把平板摔掉，（不一定是它活干得不好，更有可能是因为活干得太好才会把老爷子气到，以前他听力还行的时候，动不动我俩就会炝起来）就是一个很好的结局。我真心希望这个App能让老爷子的晚年生活质量提高一点点。每次视频，他都是只露个脸，说一句“我挺好，听不见，你们聊吧”就离开，我很难过。
感谢我开发了 mat，感谢贝塔替我管理这个项目，也谢谢 codex 和 copilot 这对交付搭档。（话外音：当甩手掌柜的感觉，挺好！）
AI 使用声明：本文初稿由 AI agent（Claude、Codex）依据我提供的笔记、聊天记录和仓库记录撰写；我和 agent 一起逐段修改、补写，事实由 agent 对照仓库与聊天记录核对，最终由我审定。
利益声明：文中的 mat 是我自己开发并销售的 agent 编排工具，官网 https://mat.shukelabs.com 。
