夜雨聆风一款支持实时语音、文本交互、会话续接和只读规划的终端 AI 编程助手：Step Realtime CLI。
如果你经常写代码，应该已经很熟悉这样的场景：
打开编辑器，切到终端，复制报错，粘贴给 AI，等它回答，再把建议搬回项目里试一遍。
这套流程能用，但并不轻松。真正的开发现场往往更碎：你要读代码、定位问题、跑命令、改文件、确认方案，还要在上下文之间来回切换。
Step Realtime CLI 想解决的，就是这个问题。
它不是一个单纯的聊天窗口，而是一款运行在终端里的 AI 编程助手。你可以用文字和它协作，也可以直接用语音和它说话，让它读取当前仓库上下文、分析代码、执行命令、修改文件，并在关键步骤与你确认。
终端里的 AI，不只会聊天
Step Realtime CLI 的入口非常直接。
在项目目录里运行：
step就可以进入交互式终端 UI，通过自然语言发起任务。
如果只是想让它完成一个一次性任务，也可以直接执行：
step "帮我读一下 src/index.ts，总结这个项目的启动流程"或者：
step exec "帮我看看这个 bug 可能在哪里"它会围绕当前仓库进行分析，而不是停留在泛泛而谈的代码建议里。
真正吸引人的，是你可以直接说话
Step Realtime CLI 最有辨识度的能力，是实时语音编程。
运行：
step voice戴上耳机后，你可以直接对它说：
“帮我看一下这个模块的职责。”
“先不要改代码，给我一个实现方案。”
“把这个命令跑一下，看失败在哪里。”
“这个修改可以继续，帮我补测试。”
它会一边理解你的语音，一边结合仓库上下文推进任务。对于需要修改文件或执行命令的步骤，也可以通过确认机制让开发者保持控制。
这让 AI 编程助手从“我问一句，它答一句”，变得更像一个能待在终端里的结对开发伙伴。
支持只读规划，适合谨慎开发
很多时候，我们并不希望 AI 一上来就改代码。
Step Realtime CLI 提供了只读规划模式：
step exec --mode plan "帮我设计一下这个功能应该怎么改"在这个模式下，助手只阅读代码并输出方案，不会修改文件。你可以先审阅它对代码结构的理解，再决定是否进入执行阶段。
这对于复杂重构、架构调整、线上风险较高的改动尤其有用。
会话可以续接，任务不会中断
开发任务很少一次完成。
Step Realtime CLI 会自动持久化会话状态，后续可以通过：
step resume恢复历史会话。
这意味着你不需要反复解释背景，也不用每次都重新让 AI 读取同一批文件。读代码、讨论方案、执行修改、补充验证，可以在同一条任务线上继续推进。
为语音开发做了不少底层工作
语音编程听起来简单，真正做好并不容易。
Step Realtime CLI 针对实时语音提供了多种能力：
duplex 连续对话模式，适合自然交流 ptt 按键说话模式，适合噪声较大的环境 VAD 语音活动检测，用来判断一句话是否结束 AEC 回声消除，减少扬声器声音被麦克风再次采集导致的误触发
例如，在噪声较大的环境里，可以切换到更强的 Silero VAD：
step vad set silerostep vad status如果使用外放，可以开启 AEC：
step aec onstep aec status在 Windows 下，语音模式统一使用基于 Chrome、Edge 或 Chromium 的浏览器音频驱动，避免回退到不稳定的命令行音频方案。
架构上，它不是把功能堆在一起
Step Realtime CLI 采用分层 monorepo 架构，把协议、核心运行时、实时音频、服务端宿主、客户端 SDK 和不同交互入口拆开。
简单来说：
packages/protocol负责跨边界协议和共享类型packages/core负责 Agent Loop、上下文组装、工具抽象和核心语义packages/realtime负责实时语音相关协议与运行时基础设施src/gateway负责 session 生命周期、恢复、持久化和事件广播packages/sdk负责客户端调用封装CLI、TUI、Web UI、Desktop 等客户端默认通过 SDK 访问 gateway
这套边界设计很关键。
客户端只负责交互和展示，真正的 session authority、Agent Loop、checkpoint 和持久化能力都由明确的运行时层承载。这样，文字模式、语音模式、TUI、桌面端等不同入口可以复用同一套核心能力，而不是各自维护一套割裂的逻辑。
常用命令一览
step # 启动交互式终端 UIstep "帮我看看这个 bug"# 执行一次性任务step voice # 进入实时语音对话step resume <session_id> # 恢复历史会话step exec --mode plan "..." # 只读规划模式step config show # 查看当前生效配置step theme # 导出当前主题配置文件默认位于：
~/.step-cli/config.json可以在这里配置编程模型、实时语音 API Key、语音速度、VAD、AEC 等选项。
为什么这件事值得关注
AI 编程助手的下一步，不应该只是回答更长的代码块。
它应该更自然地进入开发者已经熟悉的工作流：读仓库、跑命令、改文件、记住上下文、接住中断的任务，并且在你不方便打字的时候，直接听你说话。
Step Realtime CLI 的有趣之处就在这里。
它把 AI 编程助手放回终端，把实时语音接进开发流程，也把复杂任务拆成可规划、可确认、可续接的协作过程。
对于习惯命令行的开发者来说，这可能是一种很值得尝试的新入口：
不是打开另一个聊天窗口，而是在当前项目里，直接对终端说：
“帮我看看这里发生了什么。”
项目地址:https://github.com/stepfun-ai/Step-Realtime-CLI
