先报数。
5 天。57 次提交。2.6 MB 的安装包。 一个全局热键、一枚悬浮胶囊、说完话文字直接进光标所在的输入框------支持任何 App。
这不是从零开始的五天。起点是一个叫 VoiceType 的开源底座：一个 Python 引擎拖着本地语音识别模型，能跑，但重得像拖着一头大象------用户装个工具，先下几个 G 的模型。我们要做的是把它换成一个普通人愿意装、装完就离不开的东西。
这个系列就是这五天的实录。不美化，不摆拍，包括被用户骂的那几段。
一、这是个什么东西
ChatFly 的核心体验一句话：不必想好，开口就好。
按下右 ⌥（或者点按一下进入免提模式），说人话，松开，一两秒后，你的话以通顺的书面文字出现在你正在打字的地方------微信、邮件、IDE、终端，哪儿都行。
中间发生了什么，用户不用知道：录音、人声检测、分段、语音识别、轻整理、模拟 ⌘V 上屏。他知道的只有那枚胶囊的状态：● 在听、◎ 在识别、◌ 在润色、✓ 完成。
产品上有两个关键取舍，值得先立此存照：
取舍一：不再 100% 离线。 VoiceType 的信条是纯离线，代价是体积和识别质量。我们反过来：识别走小米 MiMo 的 ASR 模型，润色走它的语言模型，音频和文本会出网。这意味着隐私边界必须对用户明说------设置页第一屏就写清楚什么数据去了哪里。离线换来的隐私感，我们用"诚实"来还。
取舍二：允许润色，但分层。 语音工具有个经典争论：转写要不要"整理"？我们的答案是分模式------直出模式 一个字不改，说出来就是字，零延迟零幻觉；润色模式去掉口水词、补标点、通顺语序，但禁止改语义、禁止翻译、禁止替你说话。整理是产品功能，篡改是产品事故，两者的边界写进了提示词，也写进了护栏。
二、它怎么长出来的
粗线条时间线（细的都在后面各篇里）：
- Day 1（9/23）：Tauri 壳起起来了，热键、HUD、托盘、设置界面，一天内从"能跑"到"能用"。同一天撞上权限三件套、剪贴板竞态、左 Alt 误触。
- Day 2（9/24）：最乱的一天。手势交互（按住/点按/免提/双击切模式）打成一团，HUD 状态机失控，空音频把识别模型喂疯，润色模型开始答非所问。也是产品哲学定型的一天：双模式正式确立，思考默认开。
- Day 3（9/25）：品牌定了（一只线描的半边蝴蝶），打包链路打通（DMG + Apple 公证），自动更新接上，营销作业开题。
- Day 4-5（9/26-27）：发布准备------landing page、竞品调研、slogan 打架（"不想被替着说话"被否，"不必想好，开口就好"上位）、SEO 词表、润色透明度。
- Week 2（9/30）：真实使用暴露深水区------ASR 长音频静默截断、一个缺失的 NUL 吃掉长文本、网关抽风。全部根治，这一批坑是这个系列里最硬核的三篇。
架构上的得意之笔一句话带过（第 2 篇展开）：关键链路住在 HUD 窗里。录音、识别、上屏全部跑在一个透明常驻的小窗中，主窗口只是设置界面，关掉它、把它扔到别的桌面，口述一切照常。为这个决定付出的代价和换来的稳定，值得单开一篇。
三、这个系列怎么读
全系列规划 14 篇，三季：
第一季 · 从 0 到 1 的混乱与秩序 2. 把 Python 引擎扔掉那天（架构重写） 3. macOS 权限三件套的暗坑 4. 一个热键的一生（手势与快捷键的混乱史） 5. HUD 状态机：我说了三遍的需求
第二季 · 识别质量之战 6. 不说话，它就疯了（VAD 与空音频） 7. ASR 把我的话吃了（长音频静默截断） 8. 一个 VAD 的自我修养（分割点与测试） 9. 教模型念对你的名字（词库与提示词） 10. 数字的翻译学（中文数字转写的边界） 11. 润色到底润了什么（思考、护栏与透明度）
第三季 · 发布与商业化 12. 从源码到 DMG：公证地狱 13. 一个独立开发者的营销作业
番外 14. 网关抽风的那天：韧性设计 15. 说完就出：停顿即转写 16. 按下右 ⌥ 之后发生了什么：架构全景（系列地图）
顺序上不必按编号读。推荐三个入口：第 7 篇 （纯排查故事，最有传播力）、第 5 篇 （交互设计的血泪）、第 12 篇（Apple 生态的坑最实用）。想看全貌的，从本篇顺着读就行。
每篇的骨架是固定的：事故现场（真实日志）→ 走过的弯路 → 根因 → 修复与验证 → 一条可迁移的经验。物证都是真的------日志、实验数据、测试输出、commit 记录。
四、为什么值得写下来
独立开发的叙事里，最缺的不是成功学，是过程的真相。所有人都发"上线大吉"的截图，没人给你看第 40 小时那个卡死两分钟、历史记录全丢的夜晚。
而真相恰好是最有用的部分。这个系列里每一个坑------静默失败、UI 承诺、越界读、网关抽风------都不是语音工具独有的。它们是"调用一个不可控的服务端，给一个要求苛刻的用户做产品"的通用困境。你看完某一篇，未必做语音工具，但下次撞上类似的墙，大概能少熬一夜。
经验
产品的哲学不是文档里的条目，是取舍时的本能。"直出模式一个字不改"和"隐私边界明说"，都是在具体事故里逼出来的------先有事故，后有哲学。
本篇是《ChatFly 开发实录》第 1 篇。下一篇：第 2 篇《把 Python 引擎扔掉那天》。