Proma v0.9.15

对比基准：v0.9.12

新功能

• 豆包流式语音输入 — 新增系统级语音输入能力，可通过 Ctrl+～ 唤起独立浮窗，把语音实时转写为文本并写回 Proma 或当前光标位置 (#377)

  • 豆包大模型流式 ASR — 主进程接入火山引擎 OpenSpeech WebSocket，支持豆包语音识别模型 2.0，并处理自定义鉴权 Header、gzip 帧、增量转写和最终结果
  • 独立语音输入浮窗 — 浮窗不抢焦点、不进入任务栏，录音时展示状态、音量反馈和实时转写内容；再次按快捷键可停止并自动提交
  • 多种输出方式 — 默认模式下，如果从 Proma 内唤起会写入当前 Chat / Agent 输入框；如果从其他应用唤起，则优先写入当前系统光标位置；也可设置为仅复制到剪贴板或仅写入 Proma 输入框
  • 外部应用自动粘贴 — 通过临时剪贴板 + 系统粘贴快捷键把文本写入前台应用，失败时保留文本到剪贴板；macOS 下会提示需要辅助功能权限
  • 语音输入设置页 — 设置中新增语音输入配置，支持启用开关、APP ID、Access Token、Resource ID、连接模式、识别语言、输出方式和连接测试；Access Token 保存时走加密配置
  • 连接模式与语言选择 — 支持双向流式优化版 / 标准版，支持自动识别、中文普通话、英语、粤语、日语、韩语
  • macOS 麦克风权限声明 — 打包配置新增 NSMicrophoneUsageDescription，系统会明确说明 Proma 访问麦克风是为了实时语音转写

• 菜单栏会话快捷操作 — 系统菜单栏新增最近 Agent 会话入口和快速创建入口 (#376)

  • 最近会话 — 菜单栏展示最近 3 个未归档 Agent 会话，并显示所属工作区；更多最近会话收纳到「更多」子菜单
  • 快速打开 Agent 会话 — 从菜单栏直接打开指定 Agent 会话，并自动切换到对应工作区和标签页
  • 快速新建 — 支持从菜单栏新建 Chat 对话或 Agent 会话
  • 动态刷新 — 点击或右键菜单栏图标时重新读取会话列表，保证菜单内容接近当前状态

• Dock / Launcher 角标未读数 — 新增应用级角标，汇总需要用户处理的 Agent 状态 (#373)

  • 角标数量包含：已完成但未查看的 Agent 会话、待审批权限请求、待回答 AskUser 请求、待审批 ExitPlan 请求
  • macOS 显示在 Dock 图标上，Linux 在支持 Unity Launcher 的环境下显示；数量归零时自动清除
  • 新增 dock-badge-count 计数工具及 BDD 风格测试覆盖

Bug 修复

• 权限模式彻底按 session 隔离 — 进一步移除工作区级权限模式读写入口，热切换和错误重试不再把当前 session 的权限模式写回工作区，避免不同会话之间继续出现状态污染 (#374)
• 粘贴链接稳定性修复 — 富文本输入禁用 TipTap 自动链接和粘贴自动链接，减少普通文本粘贴时被错误转换为链接的情况 (#375)
• 工作区文件监听修复 — 文件监听统一规范化 Windows / Unix 路径，只忽略工作区顶层 config.json，会话目录里的同名用户文件不再被误忽略 (#375)
• 历史工具动画关闭 — 已完成的历史 Agent 消息不再播放工具活动动画，降低回看历史时的视觉干扰
• Agent 消息加载误判修正 — Agent 消息区域改为基于 SDKMessage 统一判断内容状态，避免空的旧消息数组影响空状态和淡入逻辑

界面与体验优化

• 语音按钮升级为系统级入口 — Chat / Agent 输入框里的麦克风按钮不再依赖浏览器 Web Speech API，统一唤起新的豆包流式语音输入浮窗
• 语音文本优先插入当前编辑器光标 — Proma 内回填语音结果时会优先写入最后聚焦的富文本输入框；如果无法定位光标，则回退写入当前 Chat / Agent 草稿
• 全局快捷键语义修正 — Ctrl+～ 保持为物理 Control 键，不再在 macOS 上被转换成 CommandOrControl，避免和其他快捷键语义混淆
• Agent 工具渲染路径简化 — 移除旧版 AgentMessage 工具详情渲染组件，Agent 消息展示继续向统一 SDKMessage 渲染路径收敛，减少维护分叉

开发与打包

• 版本更新 — @proma/electron 从 0.9.12 升级到 0.9.15，@proma/shared 从 0.1.17 升级到 0.1.19
• 新增依赖 — ws@8.19.0 用于主进程连接豆包 OpenSpeech WebSocket
• 新增协作说明 — 仓库根目录新增 AGENTS.md，沉淀项目结构、架构约束、常用命令和 Agent SDK 集成注意事项
• 语音输入 MVP 设计文档 — 新增 docs/plans/2025-05-05-doubao-streaming-voice-input-mvp-design.md，记录豆包流式语音输入的方案与边界

使用提示

• 使用语音输入前，需要在「设置 → 语音输入」中启用功能并填写火山引擎豆包 ASR 凭证
• 第一次使用时系统可能请求麦克风权限；如果需要写入其他应用的当前光标位置，macOS 还需要在系统设置中允许 Proma 使用辅助功能
• 自动粘贴失败时，Proma 会把识别文本保留到剪贴板，避免丢失内容

下载

• macOS Apple Silicon — Proma-0.9.15-arm64.dmg
• macOS Intel — Proma-0.9.15.dmg
• Windows — Proma-Setup-0.9.15.exe