跳到主要内容

oh-my-pi v15.13.0 发布 —— 以前是打字对话，现在它能说会听还会自己整理笔记

· 阅读需 7 分钟

描述意图要打字，补充上下文要打字，改需求要打字。你说得越急敲得越快，对方越容易丢上下文。更别说那些跑了大半个小时后突然断掉的流式输出、看着一个大文件不知道从哪里下手等等，每个场景背后都是一样的核心矛盾——你和工具之间的带宽太窄了。

oh-my-pi（下文简称 Pi）v15.13.0 是一次大版本更新，48K 的更新日志里藏着一个清晰的方向：把 AI 编程助手从「打字机」变成「贴身助手」。

核心痛点：打字之外的事情，全都没人管​

如果你天天用基于大语言模型的编程工具，下面这几件事大概率都遇到过：

说比写快，工具只认写。 想口述一段逻辑重构思路，手指跟不上脑子。遇到复杂的调用链分析，眼神扫了三遍代码还没理清上下文。

学到的新东西，下次还要重新学。 花了半小时让 AI 理解你们项目的特殊约定，它记住了、帮忙改了代码。但下一个任务一来，之前的对话全部作废，又要重新教一遍。

流式输出动不动就死。 大型上下文流式推理场景下，Bun 原生的抓取请求（fetch）超时机制会在恰好 300 秒时切断连接，冷一个大上下文的流逝全部白跑。

每次切目标都要重新对齐。 要开始一个新方向的任务，没有明确的引导机制，直接丢进「目标模式」经常因为意图模糊跑偏。

新功能怎么解决​

Pi v15.13.0 针对这几个痛点，分别给出了非常具体的解决方案。

语音交互：从打字到说话​

这是这次版本最直观的变化。Pi 现在支持完整的本地语音链路：

  • 本地文本转语音（TTS）：基于 Kokoro-82M 模型 + ONNX 运行时（一种跨平台的深度学习推理引擎），在设备端完成神经网络语音合成，完全不需要联网。输出 24kHz 的 WAV 或 PCM16（一种原始音频格式）格式，因为合成工作在后台子进程持续运行，模型始终「热着」，响应速度极快。
  • 流式语音转文本（STT）：实时录音并转录到编辑器中，通过能量检测来判断你是否说完了，不需要手动按键结束录音。
  • 按住空格键通话（Push-to-talk）：替代了原来的 Alt+H 快捷键。系统检测到空格键快速重复触发时自动识别为按住通话，交互直觉无缝。

这三项加在一起意味着什么？你可以在写代码的过程中直接说出修改需求，Pi 实时转录、原地处理。重构思路不用先打字再解释，直接说出来就好。

自动学习（Auto-learn）：教会一次，永久有效​

这是目前标为实验性的功能（需在配置中启用 autolearn.enabled），但方向非常有趣。

当 Pi 完成一个任务（agent 停止运行）后，它会自动回顾这次对话中产生的「可复用经验」——比如你们项目的代码风格约定、特定 API 的使用模式、数据库查询的优化技巧——然后把这些经验封装成可管理的「技能」（managed skills）。下次再遇到类似任务，Pi 自动调用这些技能，不需要你重新解释上下文。

这解决了一个所有 AI 编程工具共同的盲区：每一次对话都是「失忆」的。Auto-learn 相当于给 Pi 装了一个长期记忆系统，而且这个记忆不是用户手动编写的，是工具自己从实践中提炼的。

引导式目标设置：不再从零开始猜​

/guided-goal 命令是这次另一个值得关注的新增功能。进入目标模式之前，Pi 会通过最多六轮问答来澄清你的真实意图。这个设计看起来简单，实际价值很高——大多数 AI 编程工具的目标模式（goal mode）本质上就是一个自由输入框，用户给的指令越模糊，AI 产出的结果就越跑偏。

六轮引导可以把一个笼统的「优化查询性能」拆解成具体的目标、约束条件和验收标准。等引导完成后才真正启用目标模式执行，路径清晰很多。

连带改善​

语音、自动学习、目标引导是这次版本最醒目的三大块。但在这些功能之下，有一批底层修复同样值得关注。

Bun 原生抓取请求超时禁用是这次最有诚意的修复之一。之前所有流式推理提供商（OpenAI、Claude、Gemini 等）都受 Bun 内置的 300 秒超时限制，这意味着你做一个多文件重构、读一个大型代码库的分析任务，刚好在第 5 分钟整断开连接。这个超时现在被禁用了，Bun 的抓取不再主动切断长流。

Gemini Antigravity 流修复是另一个大坑的填平。如果你在用 Gemini 模型，之前会遇到三种怪问题：空的文本块（流式输出突然吐不出内容却断开连接）、系统指令泄漏到对话中、以及 thoughtSignature 字段损坏。这次都修了。

Copilot 传输层修复：Pi 兼容 Copilot 代理的传输模式（transport）时，之前会带上 eager_input_streaming 和 beta 这两个请求头（header），Copilot 的代理服务器会直接拒绝这些头部导致请求失败。现在这两个头部被过滤掉了，Copilot 用户能用回原生 Pi 的传输层。

OpenRouter 目录刷新修复：刷新 OpenRouter 模型列表时，之前的代码会丢掉 pi-native 这个传输方式，导致后续请求发到 /chat/completions 返回 404。现在修好了。

渲染性能优化：工具调用结果的渲染做了记忆化（memoized），以前对大文件执行 grep/find/read 后，每次帧刷新都会重新计算布局，导致编辑器严重卡顿，现在不会了。并行调用的旋转加载动画也保持了同步，视觉上不再杂乱。

其他值得注意的更新​

  • 大内容粘贴菜单：粘贴内容超过可配置阈值时，弹出菜单让你选择用代码块、XML 标签还是本地附件形式处理。解决了大段文本直接粘贴到编辑器中格式混乱的问题。
  • 三级积极性（Three-level eagerness）：task.eager 和 todo.eager 现在支持 default / preferred / always 三级，精细控制 AI 的主动程度。
  • 快速模式作用域：新增 fastModeScope 配置项，可以设置为 both / openai / claude，只对特定提供商启用快速模式。
  • 嵌入向量变体：mnemopi.embeddingVariant 新增 multilingual 选项，使用更强的多语言嵌入模型，对中文等非英语场景更友好。
  • LaTeX 数学公式修复：模型现在被明确指示在回复中使用纯文本而非 LaTeX 定界符，避免了公式渲染混乱。
  • Agent Hub 手势修复：双击触摸板左边缘不再打开空的 Hub 面板。

升级方式​

如果你已经在用 Pi，升级命令非常简单：

curl -fsSL https://omp.sh/install | sh    # macOS / Linux
brew install can1357/tap/omp               # Homebrew

完整更新日志：GitHub Release

📢 关注我，获取最新开源更新日志和开发者工具动态。

#oh-my-pi #AI编程 #语音交互 #本地模型 #自动学习 #开源工具