Claude 能用语音调用工具后,AI 界面要补上三道确认

7 月 23 日，Claude 更新语音模式：Opus、Sonnet 和 Haiku 都可以用于语音对话，支持更多语言，也能触达 Gmail、Slack 等已连接工具。官方举的例子很具体：推迟日历会议、把讨论整理成 Canva 单页、汇总邮件并起草回复。

这意味着语音入口正在从“问一句、答一句”，变成“说一句、做一件事”。Claude 官方同时写明，使用连接工具前会请求许可。这个细节比“能做什么”更值得设计师注意。

因为工具一旦开始执行，语音交互的核心问题就不只是识别准不准，而是：用户有没有在行动发生前，真正听懂并确认自己授权了什么。

在图形界面里改一场会议，用户通常会看到日期、参会人、时区和保存按钮。即使流程有点慢，这些字段也在提醒他检查。

换成一句“把下午的会往后推半小时”，过程短了，歧义却没有消失：是哪一场会？所有人都改还是只改自己的日历？跨时区参会者看到什么？要不要通知对方？

自然语言擅长省略，人类也习惯依赖上下文。但执行系统不能把省略直接当成确定。语音还会进一步减少视觉停顿：用户可能在走路、开车或做别的事，没有盯着屏幕逐项核对。

所以，好的语音 Agent 不是永远少问一句，而是在真正有后果的地方，问对一句。

不要只让系统回答“好的，正在处理”。执行前至少复述三项：

例如，不说“是否确认修改”，而说：

这句话稍长，却把真正需要判断的信息放回用户面前。对屏幕可用的场景，可以同步显示卡片；对纯语音场景，先读关键差异，细节留给“展开查看”。

确认过多会让人机械地点“是”，确认太少又会让高风险动作滑过去。更实用的做法，是按两项分级：后果大小和可逆程度。

可以先做一张最小风险表：

风险高时，确认按钮或口令要说清动作，而不是只有“确定”。“发送给 4 人”比“继续”更难被误点，也更容易在事后回忆。

这里也要留一个反方：低风险、重复、随时能撤回的动作如果每次都完整复述，语音会变得难用。确认的目标不是让用户多说话，而是让他在后果变大的位置重新获得判断权。

动作执行完，“已完成”仍然不够。用户需要知道系统实际做了什么，而不是只知道系统认为自己做完了。

一份合格回执可以包含：执行对象、最终状态、发生时间、外部影响，以及可用的补救动作。例如：

需要强调：Claude 的官方公告确认了工具调用前会请求许可，但没有因此证明每一种动作都具备上面完整的撤销机制。回执、恢复和审计记录，是我们从产品设计角度提出的控制链，不能倒写成产品现成功能。

对无法真正撤销的动作，界面更要诚实。邮件发出后，“撤销”可能只是短暂延迟发送；公开内容发布后，删除也不等于所有人都没看见。把限制说清楚，比提供一个看似万能的回退按钮更可靠。

选一个最常见的工具调用，完整走一遍，然后问：

三题里有两题答不上来，问题往往不在声音够不够自然，而在执行权还没有被设计清楚。

Claude 把工具接进语音，是一个很具体的行业信号：对话入口正在靠近操作系统。但越接近真实行动，设计就越不能只追求“像和人聊天”。

让用户听懂将要发生什么、在关键节点做出决定、事后还能核对结果，才是语音 Agent 从会说走向能用的那一步。

微笑面对设计｜关注 AI 如何改变设计工作，也保留对交付边界的判断。