Skip to main content
Glama

sofa-coder 🛋️

闭眼 Vibe Coding(躺平当甲方模式)

静默改代码,张嘴说人话。 Stop staring at diffs. Close your eyes, lean back, and vibe-code like a tech lead on a phone call.

CI PyPI Python License: MIT

戴上耳机、闭眼躺沙发。像跟技术合伙人打电话一样把需求聊完,Agent 在后台自己改代码、跑测试、修 Bug,最后只用一两句大白话汇报。你看都不用看屏幕一眼。

现有的语音编程工具大多死在两件事上:要么让你用嘴念语法("右括号分号",念到怀疑人生),要么把 500 行报错和 Diff 一字不落读给你听(听到脑壳疼)。sofa-coder 反过来:Agent 在终端静默干活,只跟你聊人话。


✨ 它解决了"闭眼"的三大盲区

盲区

sofa-coder 的答案

"它死机了吗?"

听觉心跳:耗时操作前自动过渡语("我先跑个构建,稍等哈")+ 轻 提示音

"它现在在干嘛?"

口语化压缩播报:内置清洗器把代码块/路径/Markdown 全部过滤,只播 ≤2 句大白话;严禁读代码

"弹窗卡住怎么办?"

全语音权限审批:删文件/装依赖/跑迁移自动拦截,语音问一句"搞吗?",你说"搞"就放行

外加两个基础体验:免按键连续对话(Silero VAD 自动断句,停顿 1.5s 自动发送,彻底告别按住空格说话)和 Barge-in 打断(它废话太多时你直接开口,它立刻闭嘴听你说)。

Related MCP server: livechat-mcp

🚀 30 秒接入 Claude Code

# 方案 A · Mac 用户推荐(本地 mlx-whisper,无需任何 API Key)
claude mcp add sofa-coder -- uvx --from "sofa-coder-mcp[asr-mlx]" sofa-coder

# 方案 B · 白嫖云端(免费 Groq API Key,任何平台,速度飞快)
export GROQ_API_KEY=你的key   # https://console.groq.com 免费申请
claude mcp add sofa-coder -- uvx sofa-coder-mcp

# 方案 C · Windows / Linux(本地 faster-whisper)
claude mcp add sofa-coder -- uvx --from "sofa-coder-mcp[asr-faster]" sofa-coder

重启 Claude Code,然后对它说:

「进入闭眼模式。帮我写个复古贪吃蛇网页,背景要黑客帝国那种代码雨。」

然后就可以把笔记本推到一边,闭眼听它干活了。说「退下吧」结束语音模式。

Cursor / Windsurf / Cline 等其他 MCP 宿主

在 MCP 配置 JSON 里加:

{
  "mcpServers": {
    "sofa-coder": {
      "command": "uvx",
      "args": ["--from", "sofa-coder-mcp[asr-mlx]", "sofa-coder"]
    }
  }
}

Claude Code Skill 形态(推荐搭配使用)

MCP 提供耳朵和嘴巴,Skill 提供大脑的行为铁律。把本仓库的 SKILL.md 装进技能目录即可:

git clone https://github.com/PennyBurden/vibecoding-with-closed-eyes-on-sofa.git
mkdir -p ~/.claude/skills/sofa-coder
cp vibecoding-with-closed-eyes-on-sofa/SKILL.md ~/.claude/skills/sofa-coder/SKILL.md

🩺 跑不通?先体检

uvx sofa-coder-mcp doctor    # 麦克风/扬声器/VAD/ASR/TTS 逐项检查
uvx sofa-coder-mcp chat      # 终端语音自测:你说一句它复述一句
uvx sofa-coder-mcp say 你好  # 只测播报

macOS 记得在 系统设置 → 隐私与安全性 → 麦克风 里给终端放行。

⚙️ 配置(全可选项,不改就是零成本默认)

环境变量

默认

说明

SOFA_ASR

auto

语音识别后端:auto / groq / mlx / funasr / faster

GROQ_API_KEY

无

配了就自动优先用 Groq 云端识别

SOFA_TTS_VOICE

zh-CN-XiaoxiaoNeural

Edge-TTS 音色(男声可用 zh-CN-YunxiNeural)

SOFA_TTS

auto

edge(联网、音色好)/ say(macOS 离线兜底)/ off

SOFA_SILENCE_MS

1500

停顿多久算一句话说完

SOFA_BARGE_IN

on

播报中被你插话是否立即闭嘴(外放扬声器易误触发,戴耳机体验最佳)

SOFA_SOUND

on

叮/咚提示音

SOFA_MAX_UTTERANCE_S

30

单次发言上限

🔌 MCP 工具(就 2 个,驱动整个闭环)

工具

作用

vibe_talk(spoken_summary, wait_for_reply=True)

阻塞式:播报大白话 → 叮一声 → 听用户说 → 返回 [用户语音指令]: …。大模型靠它进入无限对话流

vibe_notify(text)

非阻塞过渡语:"我去跑个构建,稍等哈"。让闭眼用户安心

vibe_talk 的 docstring 里写死了铁律(禁止代码块/路径/Markdown、2 句话以内、高危操作先审批),返回值里也带行动指令,双保险让模型守规矩。即使 LLM 脑抽输出了 ```python 或 /usr/local/bin,内置清洗器也会在 TTS 之前替换成「一段代码」「本地路径」。

🧱 技术架构(零配置开箱 + 进阶可选)

模块

默认(0 成本)

进阶(可选)

宿主接入

FastMCP(stdio)+ SKILL.md

任意支持 MCP 的宿主

断句

Silero VAD(ONNX,无需 PyTorch,模型仅 2MB 首次自动下载)

—

语音识别

mlx-whisper(Mac)/ faster-whisper(Win/Linux)/ Groq 云端

FunASR SenseVoiceSmall(中英混杂最佳)

语音播报

Edge-TTS(晓晓/云希,免 Key)

macOS say 离线零延迟兜底

音频

sounddevice + miniaudio(无 ffmpeg 依赖)

—

痛点对比

传统语音输入法

普通 TTS 插件

sofa-coder

你要干嘛

用嘴念语法和标点

被动听 Agent 读 Diff 和报错

像打电话一样聊需求

说一句话的成本

"反引号 src 斜杠…" 😵

无需说话 🎧

张嘴就行 🛋️

听到什么

自己的语法

500 行报错

"修好啦,编译没报错"

断句

手动按键

—

VAD 自动断句 + 插话打断

🗺️ Roadmap

  • 唤醒词模式("嘿 小沙发",彻底解放双手)

  • WebRTC VAD 备选与回声消除,优化外放场景的打断体验

  • Kokoro-82M 本地高音质 TTS

  • 多语言支持(English voice loop)

  • 情绪识别:检测到用户烦躁时自动放慢节奏、增加确认

🎬 帮我们点个 Star(以及拍个视频)

如果你也瘫在沙发上用它写完了个项目,欢迎提 issue 分享截图;拍分屏演示视频(左边你躺平说话、右边屏幕加速)@ 我们,最好的视频会放进 README。

欢迎 PR!口号:让所有人都能躺着当甲方。

License

MIT

Related MCP Connectors

Related MCP Servers

  • F
    license
    Not graded
    quality
    C
    maintenance
    Enables natural voice interaction with Claude Code through speech-to-text, supporting wake word activation and multiple backends like Whisper and Google. It allows users to execute commands and control their coding environment hands-free via their microphone.
    2
    -
  • A
    license
    A
    quality
    D
    maintenance
    Enables continuous voice conversation with AI coding assistants by locally transcribing speech with Whisper and delivering utterances as text prompts.
    4
    1
    MIT
  • A
    license
    A
    quality
    A
    maintenance
    Voice interface for Claude Code: you talk, the agent listens, codes, and talks back while it works. Live speech-to-text with turn-taking, Grok/xAI voices with per-subagent personas, and a real-time HUD dashboard.
    4
    12
    MIT