Cursor 给编码 Agent 装了个「电话」：11 月 6 日起可以跟它直接说话，它边干活边开口汇报
📅 2026年11月6日 | 📊 基于多家媒体转述整理，并核对官方文档 | 🧩 分类：AI未开源软件工具
# draft.md — Cursor Voice Chat with Agents
一、先说结论：3分钟看懂它是什么
11 月 6 日，Cursor 在官方 changelog 里上线了一个叫 Voice Chat with Agents 的功能：你可以像打电话一样跟正在写代码的 Agent 说话，它用语音回你，同时继续干活。
它不是「语音输入法」。语音输入法只是把你说的转成文字塞进输入框，还得你自己按发送；Cursor 这个是双向通话——你说话，它开口回答，你说「把这个按钮改蓝一点」，它转手就把活儿派给聊天里那个编码 Agent，然后继续跟你聊。
支持四个地方：Agents Window、IDE 里的聊天窗、网页版，以及 Cursor 的 iOS App。
二、怎么用：三个动作
第一步，打开任意一个 Agent 聊天。IDE 里要求这个聊天至少已经有一条消息。
第二步，把输入框清空，并且等 Agent 停下来（不在跑任务）。这时候原来「发送」按钮的位置会变成一个波形图标。
第三步，点这个写着 Start voice chat 的波形按钮，允许麦克风权限，通话就接通了。它会先开口，问你想要什么；你不说话，几秒后它也会主动搭话。
iOS 上还多了两个便利：可以对手机说「Hey Siri, call Cursor」直接起一通电话给新 Agent；通话时锁屏和灵动岛会显示控制条，能静音、能挂断。
三、它是怎么分工的：一个人听，一个人干
这里有个容易搞混的点，值得说清楚。
听和说的那部分，跑的是 Grok Voice——xAI 的语音模型。而真正写代码的那个编码 Agent，用的还是你在聊天里自己选的那个模型，没有被换掉。
所以实际是两个人配合：语音 Agent 负责听懂你、跟你对话、把任务转交给编码 Agent；编码 Agent 埋头干活，然后决定「有什么值得说出口」——它会在干活过程中说几句简短进度，干完给一句简短答复，它派出去的子任务回来了也会播报一声。如果某一轮它没写口语化的更新，通话就直接把你看到的文字回复念出来，不会让你干等着没声音。
通话过程中，语音 Agent 还能干几件只读的事：念给你听这次改动（diff）改了什么、哪些任务还在跑、翻这个 Agent 之前的对话和通话记录、在有多个 worker 的 Project 里把通话切到另一个 worker 上。你说「挂了」，它就挂断。
整通电话的转录会写进聊天记录里——也就是说，你说过的话变成了可回看的文字。
四、适用场景与不适用场景
适合谁：
- 长时间盯着 diff 看的人。改了一大片，懒得逐条读，直接问「你刚才到底改了什么」，让它念重点。
- 手上占着别的事的人。一边走、一边做饭、一边在手机上，想到一个需求就直接说出来。
- 用 iOS 的人。手机上本来就不适合敲长提示词，说话快得多。
- 想让 Agent 长跑的人。任务跑十几分钟，你可以隔一会儿插一句话纠偏，不用等它全跑完才发现方向错了。
不适合谁：
- 在开放办公区、咖啡馆的人。你跟 AI 讨论代码，全办公室都听见了。
- 需要精确描述的人。复杂的技术约束、长段配置、精细的路径和变量名，说出来一定出错，还是打字靠谱。
- 用 API key 登录的人。官方明确写了：API key 认证的会话不能发起语音通话，必须用登录的 Cursor 账号。
- 在子 Agent、Project worker、归档会话、Claude Code 聊天、别人的聊天里——这些地方按钮根本不出现。
五、几个会踩的坑（注意事项）
它会自己挂。 你大约 10 分钟没出声，而 Agent 手上也没有正在跑的任务，通话就自动结束。想继续就得重新拨。
每天有通话上限。 官方说有每日限额，到了会告诉你什么时候能再打。具体额度跟账号/订阅有关，官方文档没给统一数字。
麦克风被拒过要手动开。 之前拒绝过权限的话，它会提示「Microphone blocked」，得去系统或浏览器设置里改回来。
别把它跟听写搞混。 听写（旧版叫 Voice Mode）还是把语音转成文字填进输入框，IDE 里 Cmd+Shift+Space 切换的还是听写，不是通话。通话没有快捷键。
隐私模式下的差别。 开了 Privacy Mode，语音通话是零数据保留；不开的话，云端 Agent 的通话转录会在通话期间同步到你其他设备。
六、为什么这件事值得注意
编程 Agent 这一年的竞争，主要在模型和价格上。但这次变的是输入方式。
以前你用 Agent，本质是「写一份工单，等它交付，再读一遍验收」。这套流程对短任务没问题，对跑几十分钟的长任务就很别扭——你只能在开头把话说清楚，中间插不上嘴。语音通话把「监工」这件事变成了对话：随时问、随时改、随时叫停。
另一层看点是站队。Cursor 这一版的语音层用的是 Grok Voice；再往前几天（11 月 4 日），X 那边推的 X Subscription 已经把 Grok、Grok Bot、Cursor、X Premium 打成一个包。一家编程工具把耳朵和嘴交给外部模型厂商，说明这类产品开始按能力模块拼装，而不是什么都自己做。
Cursor 本身是闭源、订阅制的商业产品（个人档从免费到每月 200 美元不等），所以这次更新也是典型的「商业 AI 工具功能迭代」，不是开源项目的版本发布。
七、如果你想试，第一步做什么
先把 Cursor 更新到最新版，确认自己是登录状态而不是 API key 状态。然后开一个新的 Agent 聊天，随便让它做点小事，等它停下来、清空输入框，看发送按钮是不是变成了波形图标；是的话就点下去，说一句「你现在在干什么」。
第一次别拿真项目试——先熟悉它什么时候闭嘴、什么时候抢话，再决定要不要在正经活儿上用它。
本文基于多家媒体转述整理，并核对了 Cursor 官方 changelog 与官方文档（2026 年 11 月 6 日发布）。功能细节以官方文档为准；每日通话额度与订阅计划的具体对应关系官方未公开统一口径。