Feedback: AI Coding voice prompt examples / AI Coding 语音 Prompt 反馈收集

[botaruibo]

This issue collects feedback for using MyVoiceTyping in AI Coding workflows.

Why this matters

A lot of AI coding work starts with long natural-language prompts:

• bug reproduction steps;
• refactor instructions;
• feature requirements;
• PR notes;
• code review comments;
• debugging thoughts while reading code.

These prompts are often easier to speak than type, especially in Chinese or Chinese-English mixed workflows. But raw ASR text is usually not enough: it needs punctuation, sentence splitting, technical-term preservation, and light cleanup before it is safe to send to an agent.

What we want to learn

Please share non-sensitive examples of:

1. Spoken intent
2. MyVoiceTyping actual output
3. Expected output
4. Which AI coding tool you pasted into, if any
   • Claude Code
   • Qwen Code
   • opencode
   • Cursor
   • GitHub Copilot Chat
   • other
5. Whether the local polishing model:
   • preserved your meaning;
   • changed too much;
   • lost technical terms;
   • added wrong details;
   • made the prompt easier to send.

Example format

Tool: Claude Code / Qwen Code / Cursor / other
Language: Chinese / Chinese-English mixed / English
Scenario: bug reproduction / refactor / PR note / requirements / other

Spoken intent:
"帮我把这个 websocket handler 改成 async iterator，同时保留 backpressure 逻辑。"

Actual output:
...

Expected output:
...

What went wrong or right:
...

Privacy reminder

Please do not paste private repo code, customer data, internal API names, real logs, secrets, or sensitive work text. Synthetic examples are enough.

Related docs

• Demo: https://github.com/botaruibo/MyVoiceTyping/blob/main/docs/DEMO.md
• Privacy / Data Safety: https://github.com/botaruibo/MyVoiceTyping/blob/main/docs/PRIVACY.md
• Model usage: https://github.com/botaruibo/MyVoiceTyping/blob/main/docs/MODEL.md
• 0→50 stars feedback tracking: Tracking: 0→50 stars 阶段真实试用反馈收集 #3

[botaruibo]

Update: here is a copy-paste template for AI Coding voice prompt feedback.

Tool:
Claude Code / Qwen Code / opencode / Cursor / GitHub Copilot Chat / other

System:
macOS version:
Chip: M1 / M2 / M3 / M4 / other

Language:
Chinese / Chinese-English mixed / English

Scenario:
bug reproduction / refactor / feature requirement / PR note / code review / debugging thought / other

Spoken intent:
"..."

MyVoiceTyping actual output:
"..."

Expected output:
"..."

What changed after polishing:
- Good:
- Bad:
- Technical terms preserved or lost:
- Did it change the original meaning:

Can this be sent to the coding agent directly?
Yes / Needs small edit / No

Example 1, Chinese-English mixed refactor prompt:

Spoken intent:
"帮我把这个 websocket handler 改成 async iterator，同时保留 backpressure 逻辑，不要影响现有的 error handling。"

Expected output:
"把这个 WebSocket handler 改成 async iterator，同时保留 backpressure 逻辑，不要影响现有的 error handling。"

Example 2, bug reproduction prompt:

Spoken intent:
"我点保存以后页面没有报错，但是刷新以后配置丢了，帮我检查一下是不是 settings store 没有 await 写入。"

Expected output:
"点击保存后页面没有报错，但刷新后配置丢失。请检查 settings store 是否没有 await 写入，或者保存流程是否存在异步竞态。"

Please keep examples synthetic or sanitized. Do not include private repository code, customer names, real logs, tokens, internal API names, or sensitive work text.

[botaruibo]

补充一个专门给 AI Coding 用户的 30 秒测试任务，方便快速判断 MyVoiceTyping 的“语音 prompt → 可发送 prompt”链路是否有价值。

请打开 Cursor / Claude Code / Qwen Code / opencode / GitHub Copilot Chat / 任意 AI Coding 输入框，口述下面这句话：

帮我重构一下这个 websocket handler，把消息处理拆成 async iterator，并且补上 backpressure 和错误处理，不要改变现有 API。

重点观察最终输出：

• websocket handler、async iterator、backpressure、API 这些技术词是否被保留；
• 中文断句是否清楚；
• 是否适合直接发给 coding agent；
• 是否擅自增加了你没说的需求；
• 如果你手动改了最终文本，改动点是什么。

可复制反馈格式：

AI Coding 工具：Cursor / Claude Code / Qwen Code / opencode / Copilot / 其他
macOS / 芯片：
口述内容：
实际输出：
你最终手动确认/修改后的文本：
技术词是否保留：是 / 否，具体：
是否可直接发给 coding agent：是 / 否
最大问题：错词 / 标点 / 过度润写 / 技术词丢失 / 粘贴失败 / 其他

请务必使用非敏感样例，不要贴私有仓库代码、内部接口、真实日志、token、客户名或公司业务细节。

[botaruibo]

补充：AI Coding prompt 场景现在可以先看普通用户落地页，再按这个 issue 的任务做 30 秒测试：

Landing page: https://botaruibo.github.io/MyVoiceTyping/landing/
Download: https://github.com/botaruibo/MyVoiceTyping/releases

推荐测试方式：

1. 打开 Codex / Claude Code / Cursor / OpenCode / 浏览器 AI Chat 任意一个输入框；
2. 按住 MyVoiceTyping 快捷键，口述一段 bug 复现、重构要求、PR note 或测试说明；
3. 松开后观察：中文/中英混合、技术词、路径、函数名、标点和分段是否可用；
4. 如果本地润写模型改动了你的原意，请贴一个无敏感内容的“口述大意 → 实际输出 → 期望输出”。

最想验证的不是“识别率数字”，而是最终文本能不能直接变成 agent 可执行的 prompt，同时保留本地优先和隐私边界。

如果这个输入方式确实降低了你写长 prompt 的阻力，也欢迎 Star 关注后续版本：
https://github.com/botaruibo/MyVoiceTyping

[botaruibo]

Update: I added a dedicated trial tasks page. For AI Coding users, the most relevant tasks are:

• Task 1: AI Coding prompt
• Task 3: Chinese / English mixed technical terms
• Task 4: bug reproduction note

https://github.com/botaruibo/MyVoiceTyping/blob/main/docs/TRIAL_TASKS.zh-CN.md

If you use Codex / Claude Code / Cursor / Copilot / Qwen Code, a useful test is: speak one synthetic prompt, check whether technical terms and intent survive, then share a sanitized spoken intent → actual output → expected output example here.

Please avoid private repo code, internal API names, real logs, tokens, customer names, or sensitive work text.

[botaruibo]

补充一个更偏数据集的反馈入口：如果你在 AI Coding 语音 prompt 里遇到“技术词 / 文件名 / 库名 / 符号被误改”的可公开样例，也可以同步到 Dataset 样例征集 issue：

botaruibo/MyVoiceTyping-Dataset#1

尤其欢迎这几类脱敏样例：

1. Claude Code / Codex / Cursor / Copilot Chat prompt 里的技术词被改错；
2. 文件路径、函数名、库名、框架名被润写模型误改；
3. 中文口述 + English identifier 混合时丢词；
4. 标点、冒号、列表结构影响 prompt 可读性；
5. 用户手动改写后的最终版本和原始输出对照。

推荐格式：

工具：Claude Code / Codex / Cursor / other
场景：bug 复现 / 重构 / PR note / 需求描述
ASR/润写输出：
期望 prompt：
哪些技术词不能改：
备注：

请继续只提交脱敏、可公开内容。不要贴私有仓库代码、客户信息、真实日志、token、内部路径或任何不适合公开的数据。

[botaruibo]

Update: AI Coding 语音输入这一块，我补了两类更适合转发 / 试用的材料：

• Press kit / 投稿包：给周刊、产品目录、社区推荐和转发使用，里面有 100 字 / 300 字介绍、标签和中英文短文案：
  https://github.com/botaruibo/MyVoiceTyping/blob/main/docs/PRESS_KIT.md
• 30 秒试用任务：建议优先测试第 1、3、4 个任务，分别覆盖 AI Coding prompt、中英混合技术词和 Bug 复现：
  https://github.com/botaruibo/MyVoiceTyping/blob/main/docs/TRIAL_TASKS.zh-CN.md

我现在最想验证的不是“语音识别完直接发送”，而是更安全的流程：voice → editable text → review / fix technical terms → explicit send。这样在 Codex / Claude Code / Cursor / Copilot 里口述长 prompt 时，识别错文件名、接口名、状态码或英文变量名，还有机会改。

如果你愿意帮忙试，可以直接贴脱敏后的：

• 口述大意；
• 实际输出；
• 你手动改成的最终 prompt；
• 最大问题是技术词、断句、润写过度，还是粘贴 / 权限流程。

如果这个方向对你的 AI Coding 工作流有用，也欢迎 Star 关注后续 Demo、License 和中英混合输入优化。