★ FEATURED ARTICLE 我们经常会使用语音向 AI 交代任务例如一边描述今天要完成的工作一边补充新的想法甚至说到一半又修改原来的安排。等到语音识别结束得到的往往是一大段重复、混乱的文字。AI 虽然能够总结内容但也容易把临时想法当成任务或者遗漏后来修改的日期和优先级。针对这一问题开源项目Human Edge Agent Skills提供了voice-dump-to-todo。这个 Skill 专门处理混乱的口述输入帮助 Agent 从中提取真正需要执行的任务并进一步生成结构化待办必要时还可以输出独立的交互式 HTML 页面。项目地址100 starGitHub - FAIRY123456789/human-edge-agent-skills: 18 portable Agent Skills for voice-native AI, human judgment, microbets, social tact, writing, life systems, and safe deployment. · GitHubSkill 地址human-edge-agent-skills/skills/voice-dump-to-todo at main · FAIRY123456789/human-edge-agent-skills · GitHub一、voice-dump-to-todo 的核心功能voice-dump-to-todo是一个面向语音任务管理的 Agent Skill。它通过SKILL.md约束 Agent 的任务解析方式重点解决语音识别错误、任务重复、临时修改和任务边界模糊等问题。例如一段语音可能包含这样的内容周四把需求文档发给合作方等等应该是周五。然后今天先把文档里的错误修改完。报价还得等对方发过来。另外我想了一下后面也许可以做一个播客不过这个暂时不用管。普通的任务提取很容易把这段话整理成四个待办甚至保留已经被修改的周四日期。这个 Skill 会先阅读完整内容再根据后续修正判断真正有效的信息。它将内容分为五类Action需要执行的任务、Decision待作出的决策、Waiting等待外部条件、Later暂缓的想法和 Background背景信息。上述示例中修改文档和周五发送文档属于 Action等待报价属于 Waiting播客想法属于 Later。任务的截止时间应采用用户最后明确修正的周五。二、它怎样处理语音识别错误语音识别系统ASR容易识别错项目名称、缩写、专业术语和人名。例如一个项目名称在前文反复出现后续语音却被识别为发音相近的普通词汇。如果完全按照字面理解Agent 就可能创建错误任务。为此Skill 配套提供了references/asr-context-resolution.md规定了专有名词的上下文修正规则。Agent 可以参考当前对话中已经明确的名称、用户提供的词汇表、语音中重复出现的术语以及发音和语义是否匹配。修正过程会区分置信程度。高置信度的错误可以直接规范化中等置信度需要保留假设低置信度则保留原文并提示用户确认。这样可以减少错误替换带来的新问题。这一设计尤其适合经常使用语音讨论技术项目、日常工作和多项待办的用户。三、把口述内容转换成结构化任务提取任务之后Skill 还要求明确任务的完成条件、优先级、截止时间、负责人和依赖关系。其中负责人和日期必须来自已有信息或明确的时间表达不能擅自补充。例如前面的语音可以整理成以下 JSON{ title: 本周待办, tasks: [ { title: 修订需求文档, details: 完成文档中已发现错误的修改, priority: P1, due: 今天, status: todo, depends_on: [] }, { title: 发送需求文档, details: 将修订后的文档发给合作方, priority: P1, due: 周五, status: todo, depends_on: [修订需求文档] } ] }这里的优先级属于示例设置可以根据实际任务调整。等待报价和暂缓的播客想法可以继续保留在对应类别中避免混入当前必须完成的任务。四、生成可以勾选的本地待办页面除了 Markdown 和 JSON仓库还提供了一个轻量级 Python 脚本render_todo.py能够把经过检查的 JSON 任务文件转换为独立 HTML 页面。假设已经将上述结构保存为tasks.json在仓库根目录执行python skills/voice-dump-to-todo/scripts/render_todo.py tasks.json todo.html运行后会生成todo.html用户可以使用浏览器打开。页面支持勾选任务、查看完成进度、重置任务状态以及导出 JSON。任务状态通过浏览器localStorage保存具体持久化行为取决于浏览器环境。这个脚本仅负责将结构化数据渲染成页面。语音理解、任务分类和错误修正由支持 Skill 的 Agent 完成。Python 脚本使用标准库无需额外的 API Key 或网络服务。五、如何安装和使用Skill 已在 GitHub 开源可以阅读完整规则、参考文件及生成脚本。项目地址GitHub - FAIRY123456789/human-edge-agent-skills: 18 portable Agent Skills for voice-native AI, human judgment, microbets, social tact, writing, life systems, and safe deployment. · GitHubSkill 地址human-edge-agent-skills/skills/voice-dump-to-todo at main · FAIRY123456789/human-edge-agent-skills · GitHub在支持gh skill的 GitHub CLI 环境中可以使用gh skill preview FAIRY123456789/human-edge-agent-skills voice-dump-to-todo gh skill install FAIRY123456789/human-edge-agent-skills voice-dump-to-todo具体安装位置取决于所使用的 Agent 和 CLI 配置也可以按照对应 Agent 的 Skills 目录规则手动安装。安装后可以尝试输入请使用 voice-dump-to-todo 整理下面的语音记录区分需要执行、等待处理和暂缓的事项合并重复任务不要自行添加截止日期并输出带有完成条件的待办清单。这个 Skill 适合日常语音记录、会议后任务整理、个人工作安排等场景。对于涉及日历、企业任务系统或第三方账户的自动更新仍然需要额外的工具连接和授权。如果经常通过语音与 AI 交流可以先用一次真实任务记录测试它的整理效果再根据实际输出反馈问题。仓库欢迎 Star、Issue 和改进建议也可以单独查看这个 Skill 的实现细节。
阅读完成 · 觉得有帮助？
)
