macOS 開發者們最近自薦了這 3 個好用的 App

編注：本期內容為少數派 Matrix 社區應用自薦文章合集。文章代表作者個人觀點，作者與文中產品有直接的利益相關（開發者、自家產品等），少數派僅對標題和排版略作修改。

本期目錄

Glanceway：用菜單欄看少數派、V2EX 和新聞

TaskTick：macOS 上簡單的定時任務管理工具

? ambient-voice：一個全 Apple 原生的語音輸入工具

Glanceway

? CT | macOS | 應用下載

用菜單欄看少數派、V2EX 和新聞，我寫了個 macOS 小工具

▍為什么做這個？

我每天會看少數派、V2EX、幾個 RSS 源、GitHub 通知和 Trending、新聞。這些東西分散在不同地方，想看一眼得切好幾個窗口。

我就想要一個菜單欄面板，點開掃一眼，關掉繼續干活。找了一圈沒有特別合適的，就自己寫了一個。

▍怎么用？

Glanceway 裝好之后會在菜單欄多一個圖標，點開是一個信息面板。你往里面添加信息源，它會定時去拉數據，有更新就顯示出來。

添加信息源有三種方式：

RSS。直接填 URL。少數派、各種博客和 newsletter 都能通過 RSS 訂閱，配合 RSSHub 能覆蓋更多站點。

JS 腳本。有些東西沒有 RSS，比如股票行情，可以寫一段 JS 去請求接口拿數據。官網有一些現成的插件可以直接導入，比如 V2EX、新聞這些。不想自己寫的話，可以給 Claude 加一個 skill，告訴它你想看什么，它會幫你生成腳本。

公開 API。Glanceway 提供了公開的 API，其他應用可以讀取你聚合的信息。比如你可以給 Claude 安裝讀取 Glanceway 信息的 MCP 來做摘要。

信息源：支持添加顏色標簽，有未讀內容時菜單欄圖標上會顯示對應顏色的小圓點，比較重要的信息源不容易錯過。

Glanceway 底層就是個定時任務加展示窗口，所以不限于看新聞。監控服務狀態、輪詢任務隊列之類的也能做。

基礎功能免費，但對信息源數量有限制，Pro 解鎖無限數量信息源。

TaskTick

? Devid | macOS | 應用下載

無需 crontab，無需 launchd，創建定時任務像設鬧鐘一樣簡單。

▍為什么做這個工具

作為電腦用戶，你一定遇到過這些場景：

• 每天凌晨自動備份數據庫

• 定時檢查服務器是否在線

• 每周清理一次 Docker 垃圾鏡像

• 定期同步 Git 倉庫

傳統方案要么寫 crontab（記不住語法），要么配 launchd（XML 寫到崩潰），要么用第三方工具（大多年久失修）。

我想要的很簡單：一個原生 macOS 應用，像設鬧鐘一樣創建定時任務，寫好腳本點保存就完事。

于是就有了 TaskTick，讓定時任務回歸簡單。

▍它能做什么？ 直覺式調度

不用背 cron 表達式。選一個日期、一個時間、一個重復周期，就這么簡單。支持從每分鐘到每年共 16 種重復方式，也可以自定義間隔。

腳本模板，開箱即用

v1.1.0 新增的重磅功能。內置 13 個常用腳本模板，覆蓋日常運維的大部分場景：

• 數據庫備份：MySQL、PostgreSQL、MongoDB、Redis

• 健康檢查：HTTP 狀態檢測、SSL 證書到期檢查、進程監控、端口檢查

• 系統監控：磁盤用量、內存用量

• 運維工具：Docker 清理、Git 同步、目錄備份、Rsync 同步

• 通知：Webhook（Slack/Discord）

選一個模板，改改參數，設個時間，一個自動化任務就完成了。

當然，你也可以把自己寫好的腳本保存為模板，支持分類、備注、腳本校驗，方便以后復用。

菜單欄常駐

關閉窗口不會退出應用，TaskTick 會安靜地待在菜單欄。點開就能看到即將執行的任務，不打擾你的工作流。

Cmd+Q 也只是隱藏窗口，只有菜單欄的「退出」才會真正關閉。

執行日志

每次任務執行都會記錄：標準輸出、錯誤輸出、退出碼、耗時。成功還是失敗一目了然，排查問題不用猜。

系統通知

支持在任務成功或失敗時推送 macOS 原生通知，可以按任務單獨配置。配合健康檢查類模板，相當于一個輕量的監控告警系統。

一鍵導入 Crontab

如果你已經在用 crontab，可以一鍵導入現有任務到 TaskTick，還會貼心地問你要不要注釋掉原來的 crontab 條目，避免重復執行。

一些細節

原生 SwiftUI 構建，支持淺色/深色模式，macOS 26 上有液態玻璃效果

中英雙語，應用內一鍵切換

數據安全，所有數據存儲在本地 SwiftData 數據庫，不上傳任何信息

▍應用安裝

TaskTick 采用 GPL-3.0 協議開源，完全免費。支持 Apple Silicon 和 Intel，要求 macOS 15 (Sequoia) 或更高版本。如果你覺得有用，歡迎在 GitHub 點個 Star，或者贊助支持持續開發。

應用下載：

• 手動下載：前往 GitHub Releases 下載 DMG
• Homebrew（推薦）：

brew install --cask task-tick

ambient-voice

? 王永威 | macOS | 應用下載

一個全 Apple 原生的語音輸入工具，以及我用它寫了一個月代碼的體驗。

▍為什么又造了一個語音輸入工具

我每天的工作有大量文字輸出——寫代碼注釋、回郵件、寫文檔。手指敲鍵盤的速度早就成了瓶頸，于是開始認真研究 Mac 上的語音輸入方案。

試了一圈下來，發現一個讓我不太舒服的事實：市面上最流行的幾個方案，沒有一個真正在用 macOS 的能力。

Whisper需要下載幾個 GB 的模型，加載時吃掉大量內存，而且它對我屏幕上正在做什么一無所知。我在寫 Swift 代碼時說「optional」，它給我識別成了普通英文單詞。

訊飛語記和類似的云端方案，需要把音頻傳到服務器。作為一個每天處理客戶郵件和內部文檔的人，我沒辦法接受語音數據離開自己的電腦。

macOS 自帶的聽寫功能還行，但不支持自定義、沒有會議模式、不能根據上下文優化識別。

這些工具有一個共同問題：它們跑在 Mac 上，但完全沒有利用 macOS 的能力。把它們放到 Windows 上也一樣能工作，Apple Silicon 的神經引擎、Vision 框架、Core ML——這些蘋果花了數年打造的端側能力，一個都沒用上。

直到 macOS 26 發布了 SpeechAnalyzer 框架——一個系統級的端側語音識別引擎，跑在 Neural Engine 上，毫秒級延遲，不聯網，不收費。我意識到，現在是時候做一個「真正屬于 Mac」的語音輸入工具了。

▍設計原則：每一層都用 Apple 原生框架

ambient-voice 不是在 Mac 上套了一個通用引擎，而是從底層開始，每個功能模塊都選擇 Apple 原生框架來實現：

全原生意味著三件事：

第一，數據不出設備。所有處理都在你的 Mac 上完成。沒有網絡請求，沒有數據上傳，沒有遙測。你的語音、你的屏幕內容、你的文檔——全部留在本地。對于重視隱私的 Mac 用戶來說，這不是加分項，是底線。

第二，零額外成本。不需要訂閱，不需要按量付費，不需要 API Key。Neural Engine 已經在你的 Mac 里了，你買硬件的時候就已經為它付過費了。

第三，隨系統升級自動變好。macOS 27 的 SpeechAnalyzer 如果比 26 更準確，ambient-voice 會自動受益，不需要更新任何代碼。這就像潮水漲了，船自然就高了。這種架構上的便利是第三方引擎給不了的。

▍核心機制：上下文偏置——不是糾錯，是預防

這是我認為 ambient-voice 最有價值的設計，也是它和其他語音輸入工具本質不同的地方。

傳統的語音識別思路是：先轉寫，再糾錯。你說了一段話，引擎給你一個結果，然后用后處理模型去修正錯誤。

ambient-voice 的思路正好相反：在轉寫的時候就介入，讓引擎在識別階段就做出正確選擇。

具體流程是這樣的：你按下右 Option 鍵開始說話。這個瞬間，ambient-voice 同時做兩件事——

1. 用 AVCaptureSession 采集音頻，交給 SpeechAnalyzer 開始實時轉寫

2. 用 ScreenCaptureKit 截取你當前焦點窗口的內容，用 Vision OCR 提取可見文本中的關鍵詞，注入 SpeechAnalyzer 的AnalysisContext

也就是說，在你說出第一個字之前，識別引擎就已經知道你屏幕上有什么了。

舉個實際使用中遇到的例子：我在回一封討論 OKR 的郵件，說「把留存目標改一下」。如果沒有上下文偏置，「留存」很可能被識別成「留村」——這是中文語音識別中極其常見的同音詞錯誤。但因為 ambient-voice 在我開始說話的時候已經看到了屏幕上的「留存率」「OKR」「季度目標」，識別引擎在做同音詞選擇時直接命中了正確的詞。

再比如寫 Swift 代碼的場景：我說「聲明一個 optional 變量」，普通識別引擎不知道我在寫代碼，會把「optional」當作日常英語處理。但 ambient-voice 看到了屏幕上的 Xcode 和 Swift 代碼，把 Swift 關鍵詞注入了識別上下文，「Optional」被正確識別為 Swift 的類型。

這種體驗的差別是：你不再需要說完以后回頭改字了。用了一個月下來，我幾乎忘了語音輸入還有「糾錯」這個步驟。

▍越用越準：自動蒸餾的數據閉環

ambient-voice 有一個讓我覺得特別巧妙的設計：它會自己變好，而且你什么都不用做。

每次你用語音輸入，轉寫結果會自動保存在本地。注入文字之后，系統會開一個 30 秒的觀測窗口——通過 AX API 監測你在焦點應用里有沒有做修改。如果你把「人工智能」改成了「人工職能」，這條修改就會被記錄為一條糾錯訓練數據。

后臺有一條蒸餾管線在工作：一路用 Whisper 重新轉寫你的原始音頻（作為高質量參考），另一路用 SpeechAnalyzer 的原始輸出配合本地小模型做糾正。兩路結果合并加權后，通過 QLoRA 微調本地 Qwen3 模型，導出為 GGUF 格式跑在 ollama 上，用于文本潤色。

重點是：這個過程完全自動，強模型蒸餾為主，用戶糾錯只是可選的輔助信號。你不需要手動標注任何東西，不需要訓練任何模型，甚至不需要知道這個過程在發生。你只會感覺到，用了兩周之后，識別結果比第一天更準了。

▍會議模式：端側說話人分離

除了日常的語音輸入，ambient-voice 還支持會議轉錄場景。

按 ?M 開始錄音，屏幕上會出現一個懸浮面板實時顯示轉錄結果。錄音結束后，FluidAudio 在本地通過 CoreML 進行說話人分離——它能識別出會議中有幾個人在說話，以及每段話分別是誰說的。

最終輸出是一個 Markdown 文件，帶有時間戳、說話人標簽和完整文本。你可以直接放進 Obsidian、Notion 或者任何 Markdown 編輯器。

整個過程不聯網，不上傳，會議里所有人的聲音和內容都留在你的 Mac 上。對于涉及敏感信息的商務會議，這個特性不是「有了更好」，而是「沒有就不能用」。

▍對比：ambient-voice vs 現有方案

如果你只是偶爾用語音輸入發微信，macOS 自帶的聽寫夠用了。但如果你每天大量用語音輸入寫文檔、寫代碼、開會，ambient-voice 的上下文偏置和自我進化機制會讓你體驗到明顯不同的準確率。

▍使用門檻和安裝

需要說明的是，ambient-voice 目前處于早期階段，有一定使用門檻：

• 系統要求：macOS 26（Tahoe）及以上 + Apple Silicon（M1 及以上）
• 安裝方式：目前是 git clone + make install，還沒有 Homebrew Cask 或 DMG 安裝包
• 開源協議：MIT，完整源碼在 GitHub

坦白說，如果你不熟悉命令行，現階段上手會有些門檻。但如果你是 Mac 開發者或者習慣用 Homebrew 的用戶，安裝過程很順暢。后續計劃推出 Homebrew Cask 和 DMG 包。

▍寫在最后

我做 ambient-voice 的初衷很簡單：Mac 上的語音輸入應該用 Mac 的能力。

蘋果在 macOS 26 里放了一整套端側 AI 框架——語音識別、OCR、端側推理、音頻分析——這些能力就擺在那里，只是還沒有人把它們串起來做成一個完整的產品。

ambient-voice 是一個嘗試。它不完美，有些地方還在打磨，但核心機制——屏幕上下文偏置、自動蒸餾進化、全端側處理——這些設計我認為是正確的方向。

如果你也覺得語音輸入應該更懂你在做什么，歡迎來GitHub試用和反饋。