作者改用语音与Agent交互，发现详细音频提升效果

终于妥协了，我现在完全用语音和智能体交流，而不是打字。

我首先意识到，你可以通过音频向智能体絮絮叨叨地讲述非常丰富的细节。音频解释越长越详细，结果就越好。

用这种方式与智能体互动最有趣的一点是，我可以并行处理更多工作，让智能体执行更长时间的操作，同时实现很多事情。

此外，我还开发了一个新功能，可以录制屏幕、截屏、追踪鼠标动作和移动、进行标注，并用语音向智能体解释它难以处理的事情，比如设计和精确的功能开发。

我的发现是，提示模态越丰富，智能体的结果越可靠。噪声（如果有的话）甚至无关紧要。是的，这样成本更高（即消耗更多token），但你获得的可靠性是值得的。

我经常将这些存储为可重用的命令/技能，并在循环中注入它们。

结果天差地别。