--- title: 我只是在手机上说了一个想法，它最后变成了 GitHub PR description: 一个真实的 AI 工作流：用 Flow 在手机上口述想法，经过 ChatGPT 多轮讨论、GitHub Issue 和 Codex，最终形成可审阅的 GitHub PR。 author: Flow 输入法 publisher: Snowline LLC date_published: 2026-09-08 date_modified: 2026-09-08 language: zh-CN canonical_url: https://flowkeyboard.com/zh/insights/thought-to-action-workflow.html markdown_url: https://flowkeyboard.com/zh/insights/thought-to-action-workflow.md --- # 我只是在手机上说了一个想法，它最后变成了 GitHub PR 同一份上下文，怎样从一段口述连续走到可以审阅的成果。 ![手机中的语音波形依次经过对话、研究和任务节点，最终形成完成审阅的成果](https://flowkeyboard.com/img/insights/thought-to-action-workflow/01-context-pipeline.webp) *表达、讨论和执行之间不再需要重新交代同一份背景。* 我在手机上说了一段话。 后来，这段话变成了一条 GitHub Issue，又变成了一个 GitHub PR。 事情开始时，我连一份 brief 都没有。脑子里只有几条刚刚碰到一起的线索：互联网上关于 ADHD 的讨论、一些人面对重要任务时迟迟无法开始的体验、张朝阳分享过的“预热法”，以及 Flow 输入法可能在其中发挥的作用。 这些内容混在一起，有观察，有猜测，也有必须核验的事实。我打开 Flow，把它们完整地说了出来。说的时候没有提纲，也没有试图先写成一条完美 Prompt。 Flow 把这段自由口述整理成文字。我把它发给 ChatGPT，故事才真正开始向前走。 ## 第一份材料，不必等到想完整以后 一个想法刚出现时，通常还不具备完整结构。我们知道它似乎值得继续，却说不清核心问题、事实边界和最终产物。 如果此时要求自己先写出严谨的 brief，思考很容易停在空白页前。语音提供了一个更轻的入口。2024 年，Höhne、Gavras 和 Claassen 在一项包含 1,001 名参与者的手机调查实验中发现，随机使用语音回答开放问题的参与者，回答包含更多词，也覆盖了更多主题[1]。 这项实验不能证明语音一定带来更好的创意。它至少说明，当表达阻力降低，人可能更愿意展开背景和细节。关于语音、工作记忆与 AI 上下文的完整分析，可以继续阅读[《给 AI 的信息太少，它只能靠猜》](https://flowkeyboard.com/zh/insights/voice-ai-prompt.html)。 真实口述会停顿、重复、改口，也会讲到一半才补充关键背景。CHI 2024 的 Rambler 研究正是从这个问题出发：口述效率很高，但自发语言往往冗长、不连贯，需要提取要点和宏观修订，才能成为更容易继续使用的文字[2]。 Flow 在这一步接住的，是一段还在生长的思考。它准确识别长段表达，处理断句、重复和结构，让一个尚未成形的念头变成可以阅读、检查和继续讨论的材料。 ### 一段想法经历的四轮推进 1. **我先把想法说出来 · Flow** “ADHD、任务启动困难、张朝阳的预热法，能不能和 Flow 形成一篇真正有帮助的内容？” 没有提纲，观察、经验和待核验信息混在一起。 2. **ChatGPT 先做判断和调研 · ChatGPT** “方向值得做，但要避开医疗宣称。更准确的对象是注意力启动困难的人。” 继续查 ADHD 边界、拖延研究和张朝阳发言来源。 3. **我继续补充执行要求 · Flow** “把调研引用保留下来，再创建一个 GitHub Issue，交给后续执行。” 4. **ChatGPT 把对话整理成任务 · GitHub** 研究问题、证据边界、文章结构、平台交付和验收标准，被写进同一条 Issue。 *同一份上下文经历四轮推进：先说出来，再判断、调研和任务化。* ## 真正有用的部分，发生在多轮讨论里 我没有让 ChatGPT 直接写文章，而是先让它判断这个方向是否成立。 第一轮讨论很快暴露出问题。“Flow 帮助 ADHD 人群”容易越过医学边界；“人均 ADHD”也把临床诊断、注意力困难和普通拖延混在了一起。于是对象被收窄为“注意力容易卡住、任务很难开始的人”。 接下来，ChatGPT 继续查找成人 ADHD 的定义、拖延研究、张朝阳发言的一手来源，以及语音输入如何影响表达。每找到一条证据，原来的想法都会发生一点变化：有些判断被保留，有些说法被缩小，有些缺口需要继续追问。 我又通过 Flow 补充要求：保留调研引用，明确不能使用的医疗宣称，并把讨论整理成 GitHub Issue，交给后续执行。 这时产生的已经不再是一条 Prompt。它是一段经过追问、查证和取舍的上下文。后续接手的人或 AI，可以知道这个方向为什么值得做，也能看到哪些内容仍然不能直接下结论。 ### GitHub Issue 如何进入执行 **研究并创作“任务预热 × 注意力启动困难”内容系列** 核心命题：**Flow 把预热变成产出。** 1. **研究层：先把事实和边界查清。** ADHD 与普通拖延的边界、张朝阳发言的原始来源、语音回答实验及其局限。 2. **创作层：把同一组事实变成完整内容。** 研究底稿与知乎长文、小红书视觉脚本、微博、即刻等平台文案。 3. **执行层：让成果可以检查、修改和发布。** 渲染图片并自动校验、提交 GitHub PR、人工 review 后再发布。 **最终产物** research.md、longform.md、9 张图、4 个平台版本、GitHub PR。 *Issue 保存目标和边界，后续继续生成研究、内容、图片与 PR。* ## 一条 Issue，让聊天进入执行 方向明确以后，ChatGPT 把讨论整理成了一条 GitHub Issue。 Issue 里不只有一句“写一篇文章”。它保存了研究问题、已有证据、事实边界、内容结构、平台交付物和验收标准。最初那段混乱口述，由此变成了其他人或 AI 都能继续接手的任务。 随后，Codex 读取 Issue、仓库规范和历史内容，继续核对来源，完成研究底稿、知乎长文、小红书图文、视觉方案和多个平台版本。所有改动进入 GitHub PR，再由人检查故事是否成立、引用是否对应、产品口径是否准确、图片有没有溢出。 > Flow 接住表达，ChatGPT 补齐问题，GitHub 保存边界，Codex 推进执行，人负责最终判断。 OpenAI 当前把 ChatGPT Work 定位为适合研究、分析和文档等多步骤成果的工作方式，把 Codex 用于代码、测试、命令、审阅和仓库工作[3]。因此，同一个手机上出现的想法可以根据任务类型走向不同的执行环境：开发事项进入 GitHub 和 Codex，研究或办公事项则继续形成报告、表格、演示文稿或其他成果。 如果目标就是给 Codex 讲清一个复杂开发需求，可以查看更具体的 [Codex 语音输入使用场景](https://flowkeyboard.com/zh/use-cases/codex-voice-input.html)。 ## 真正省下的，是上下文反复归零 过去，一个念头先留在脑子里；坐回电脑前重新回忆；打开 ChatGPT 后再解释一次；真正执行时，又要把聊天重新整理成任务。 现在，同一份上下文可以一路向前：先被说出来，再被追问、查证、任务化和执行。手机不只用来接收消息，也可以成为工作的入口。 这套方法可以压缩成四步： 1. 用 Flow 完整说两分钟：我观察到了什么，为什么值得做，哪里还没想清楚？ 2. 把整理后的文字交给 ChatGPT，让它区分事实、假设和判断，并指出需要补齐的问题。 3. 把开发事项整理成 GitHub Issue；研究和办公事项则明确目标、来源、输出与边界。 4. 让 Codex 或 ChatGPT Work 继续执行，最后由人检查并决定是否采用。 AI 可以生成很多答案。更有价值的能力，是让一个原本可能消失的想法，持续走到可以审阅、可以修改、也可以真正行动的结果。 **先把它说出来。** ## 获取 Flow 输入法 Flow 输入法支持 iPhone、macOS 和 Windows；Android 版目前为邀请测试。 - [下载 macOS 版](https://flowkeyboard.com/zh/download.html?platform=macos) - [获取 iPhone 版](https://apps.apple.com/app/id6758776986) - [下载 Windows 版](https://flowkeyboard.com/zh/download.html?platform=windows) - [申请加入 Android 测试](mailto:service@snowline.ai?subject=Flow%20Android%20Beta) ## 引用 1. Höhne, J. K., Gavras, K., & Claassen, J. (2024). [*Typing or Speaking? Comparing Text and Voice Answers to Open Questions on Sensitive Topics in Smartphone Surveys*](https://doi.org/10.1177/08944393231160961). *Social Science Computer Review*, 42(4), 1066–1085. 2. Lin, S., et al. (2024). [*Rambler: Supporting Writing With Speech via LLM-Assisted Gist Manipulation*](https://research.google/pubs/rambler-supporting-writing-with-speech-via-llm-assisted-gist-manipulation/). CHI 2024. 3. OpenAI. [ChatGPT Work and Codex](https://help.openai.com/en/articles/20001275/).