60元小米遥控器，被改成了AI编程的掌上按键

你有没有想过，给AI写代码这件事，最顺手的控制器可能不是键盘，而是一只电视遥控器？

最近用终端跑AI编程的人越来越多，比如OpenAI Codex、Claude Code、WorkBuddy或者各种CLI Agent。用一段时间后会发现，工作流里最大的变化是：打字量变少了，但对话和确认变多了。以前写代码大部分时间在敲键盘，现在很多时候是整理一段思路、用自然语言向Agent描述需求，然后看着它输出代码和Diff，敲回车确认执行，或者在中途按中断，还要在几个终端窗口或工作区之间切来切去，看各个Agent跑完了没有。

在这样的节奏下，语音输入是实打实的效率提升——说话往往比手打一段长Prompt快得多。但如果纯靠键盘按键去唤醒语音，人还是得一直坐在桌子正前方、手放在键盘上。

于是有人把目光投向了一个意想不到的成品：小米电视蓝牙语音遥控器2 Pro（型号RC003），成本大概50到60元。它本身就是大厂量产、模具成熟、自带蓝牙BLE和语音麦克风的硬件，不需要去买溢价外设，也不用折腾3D打印。

拿它当掌上控制器，核心诉求其实很朴素：

• 按住即说（Push-to-Talk）：单手按住遥控器上的语音键直接口述Prompt，松手自动上屏；
• 免键鼠盲切：靠在椅子上时，单手用方向键切换终端Tab和Workspace，按中间OK键确认放行，按返回键中断。

这套方案不仅适用于macOS，社区目前也提供了Windows的运行路径。

为什么偏偏是RC003？

这款遥控器在二手平台或电商平台售价通常在50到60元左右。选它主要看中几个硬件细节。

首先是原生蓝牙BLE直连：走标准蓝牙协议，不需要外挂USB接收器，电脑自带的蓝牙就能直接配对连接。

其次是做工。许多低价小硬件或DIY按钮最大的痛点是外壳轻飘、塑料感强，甚至有3D打印的明显毛刺。而RC003作为小米高端电视的原配遥控器，整机做工非常扎实：一体成型的金属质感机身，香槟金色表面经过细腻的磨砂处理，触感温润微凉且不易留指纹，拿在手里有一定的分量感和重心平衡；按键内部并非软塌塌的导电胶手感，触发时有类似微动的清脆确认感，行程适中、回弹利落，盲操时按没按下去心里一清二楚；极简的黑金撞色设计，随手放在键盘掌托、实木桌面或数码桌垫上，看起来就像一件专门打造的掌上数码配件。

按键布局也很适合盲操：中间OK键有明显的下凹弧度，大拇指搭上去就能瞬间定位；外圈方向环在上下左右四个方向都有凸起的微小刻度，不用眼睛看也能确认方位；顶部的麦克风键独立居中，单手握持时食指托底、拇指自然落在语音键上。再加上电视遥控器内置的麦克风本身针对近距离人声做了拾音调优，环境杂音相对较小，很适合日常口述Prompt。

软件这一关：语音键不是普通麦克风

遥控器的方向键蓝牙连接后就能作为普通输入设备使用，但语音键传输的是专用的语音数据包，操作系统默认不会把它识别为常规麦克风。社区开源的HD838A/remote-mic-app（SayAll）解决了两件事：在系统里生成一个虚拟音频输入设备（macOS下为MiRemoteV 2ch）；监听遥控器的语音事件，按住语音键时接收音频并实时推流到虚拟麦克风，松手时结束。配合支持「按住说话（PTT）」的语音输入法（如微信输入法），就能做到按住说话、松手上屏。

macOS平台的配置流程大致是：在系统设置的蓝牙列表中，同时长按遥控器的「主页键（房子标）」和「菜单键（三条杠）」，等待指示灯闪烁后点击配对；从GitHub Releases下载安装SayAll.app，按提示安装音频驱动插件，之后在「系统设置 ➔ 声音 ➔ 输入」里就能看到MiRemoteV 2ch；最后在微信输入法设置中开启「按住快捷键说话」，把声音输入来源选为MiRemoteV 2ch。

Windows环境下则是：在「蓝牙和其他设备」中长按配对遥控器，运行SayAll的Windows预览版（或社区针对RC003的Windows适配方案，如zhaozhuque/MIC-RC003-Windows），预览版默认将语音快捷键映射为Ctrl + Win，在Windows微信输入法中将语音输入快捷键同样匹配为Ctrl + Win，麦克风选定遥控器映射出的音频设备即可。

几个容易卡住的细节

全新安装SayAll时，部分macOS版本在连接遥控器后，新手引导界面可能会一直停在最后一步无法点击完成。这时无需重新安装，直接在终端执行一行命令写入完成标记即可，重启SayAll就能直接进入完整的按键映射设置界面。

另一个坑是微信输入法Mac版偶尔无法正常录入独立Fn键。推荐直接在微信输入法「快捷键」中设为一个冷门组合键（如Control + Option + V），并在SayAll中同样映射为该组合键，零门槛且绝无冲突。

说到底，这套方案的妙处不在于硬件多新奇，而在于它把一件量产的、手感成熟的日常小物，接进了AI编程的工作流里——按住说话，松手上屏，剩下的交给Agent。