从逆向到成品，我耗时三天在Windows上复刻了完整的豆包输入法（未公开豆包逆向API）

先上演示视频（建议调低音量）～

一、梦开始的地方

去年我在社交媒体上偶然接触了豆包输入法，便立刻被它的语音转文字的高准确性所惊讶。相较于传统的讯飞等输入法，它不仅能够识别轻声说话，而且能自动纠正专有名词等学科内容，还包括：

• 停顿时修正前面的文字


• 专有名词自动纠错


• 融入了 AI 模型的拼音联想


• 等等

于是，它成了我电子书上唯一的输入法（学校禁止带手机，电子书是我暂时合规的电子设备）。在我的学习过程中，它为 AI 输入提供了重要支持。

（学校食堂+研究题目）

在我的学习工作流中，有一项便是通过课堂的文字转写，调用 GPT 5.5 Pro 生成整堂课的完整整理补充与回顾。

但豆包输入法天生不是为长时间记录设计的。要录整堂课，我以前用腾讯会议做语音转文字每天得重复同一套流程：创建会议、检查麦克风、隐藏主界面、下课后下载转写。而且识别准确度远不如豆包输入法。

“你能不能，好好听一次我说的话。”

——木苏里《某某》

我试过接入豆包语音 API。效果当然好，体验也一致，但每天连续几小时的课堂转写，长期费用不是小数。于是我想：

手机上的输入法已经把这件事做得很好了。我能不能理解它完整的工作方式，然后把同样的产品思路搬进自己的学习工具？

二、逆向！

细节决定成败

在开始这个项目之前，我使用这个输入法大概有半年之久，也在逐渐思考：

• 连续说话和中间停顿时，结果的更新方式有什么不同？


• 松手后为什么还会显示"识别优化中"？


• 临时结果、稳定结果和最终结果之间，哪些文字会被覆盖？


• 加入个人词之后，多久能影响识别？


• 断网、弱网、切换应用时，状态怎么变化？

“最大的盲点，其实就是站在中心的自己。”

——八月长安《你好，旧时光》

用 AI 辅助逆向不能只下达一个模棱两可的指令，对产品的细致观察，方能保证功能实现的完整性。

站在前人的肩膀上

论坛里已经有佬友做过早期版本的复现，但对比官方客户端，语音转文字的质量明显下降了。不过通过这些宝贵的分析经验，我了解到了输入法的身份认证流程和设备注册方式。

静态分析

通过分析发现：新版的上层代码和原生 SDK 是分离的，包括：

完整的生命周期

连接、发送、接收、麦克风和 UI 全部并发。正确而完整的时序，是保障识别准确度与完整性的基石。

上下文才是准确率的关键

第一次成功出字的时候我很兴奋，但很快发现长句、断句和专有名词跟官方差得远。

后来发现，准确的识别需要以下信息共同作用：

会话内上下文（本次识别时读取）：

• 当前应用和输入框类型；


• 光标附近允许发送的文本。

会话外个性化资源（类似持久记忆）：

• 最近输入或语音历史；


• 联系人、常用词等；


• 标点规范等用户设置的策略；


• 已经积累的纠正记录。

多次纠正

UI 和实测给了我明确的线索：

• 说话过程中文字不断被覆盖；


• 短暂停顿后，前一句又更优化；


• 松手后出现"识别优化中"；


• 最终文本有时和松手前最后看到的版本不同。
  
  

因此，在一次语音输入中，识别结果至少经过了三轮的优化：

云拼音

低延迟的拼音候选，竟然也是云端计算的。本质上是经过原生拼音引擎、网关封装、自定义帧协议，跑在基于 QUIC 的长连接上。

逆向思路大致是：

动态验证

“所有的东西都可以摆在明面上去推理，去验证。”

——稚楚《营业悖论》

反编译告诉我"可能是什么"，真机运行才能确认"确实是什么"。

“你真的觉得我赌的是会不会踩空？我赌的是你会不会让我退第三步。”

——大风不是木偶《楚天以南》

动态验证的本质就是这种博弈。向服务器发送一个精心构造的请求，赌的就是它的校验逻辑会不会在拒绝我的同时，暴露出更深层的协议细节。

三、33 输入法：从协议复现到完整产品

“有谁重活一遍，人生路会是全然相同的呢？”

——肉包不吃肉《二哈和他的白猫师尊》

到这里，最初课堂记录的需求已经满足了。但看着 Windows 端"即将上线"的提示挂了很久，我想：为什么不自己做一个？

这里感谢 Codex 赠送的额度重置：）

面对新的环境，所有输入的底层逻辑都需要重新设计。包括焦点附近文本的读取方式，如何在不同应用之间保证适配性，文字的插入应该使用什么 UI 自动化，如何将各类输入来源按照用户体验融合在一起…

目前覆盖的能力

语音、物理键盘和触摸键盘共用同一个联想内核、同一份候选和同一套上下文，它们通过有机组合，减少资源占用。

架构分工

“门槛全部拆除，只留下一马平川的地面。”

——苍梧宾白《黄金台》

本项目的诞生，基于以下开源仓库 ^-^

• OpenLess：界面基础+输入模块


• RIME / librime：拼音引擎，键盘UI，断网输入等

程序的线程模型：

一些截图：

四，我的 AI 学习工作流

其中有一个项目是：

课堂连续录音或转写

  → 得到老师的口语文字稿

  → 按课程与日期归档

  → 交给大模型整理

  → 生成结构化讲解、知识点、疑问和复习材料

对生物，化学等高知识密度课堂来说，这一套总结方案更为实用。之前腾讯会议的版本对化学方程式的转写效果不佳，换上新版方案之后，转写准确率有了极大的提升。

AI 逆向还带给我了很多，比如自动获取错题打印机的错题，一键发送给 AI 进行询问。比如自动打开回家的门锁免看广告..受限于篇幅，这里就先暂不展开了

五、对 AI 开发的拙见

从两年前逐句问"下一步该怎么办"，到今天agent全天不间断运行，我越来越觉得，"立项开发"正在变成每个人都能掌握的能力。以前需要多人协作的探索，现在一个人梳理清楚需求，就可能借助 AI 做出原型乃至成品。

但 AI 的能力仍然受人的认知约束。

“人们只相信自己愿意相信的。”

——归鸿落雪《闲与仙人扫落花》

想要驱动 AI，首先得有一个任务。这个任务大多从生活中产生，也需要我们的丰富生活经验去精细化。没有考虑真实用户体验的任务，很难打动人心，而只有目标而未能细化的提示词，也可能会被幻觉所牵制。不论模型的强大与否，我们或辉煌宏大的的目标，或细致入微的洞察，始终是指引人工智能发展的一屋明灯。

结语

“没有谁的生活会一直完美，但无论什么时候，都要看着前方，满怀希望就会所向披靡。”

——巫哲《撒野》

高三的这一年弥足珍贵，学习也将占据我的几乎全部时间。为了防止失效以及规避风险，完整的豆包引擎将不会公开发布，但提供输入法框架供大家参考（写的很烂望佬友包涵 ^-^）

33-input-method-public-source-20260715.zip (3.9 MB)

感谢佬友们两年来的相伴，见证了我对 AI 从陌生到熟悉，从娱乐到融入日常学习生活的成长。

愿来年，山花烂漫时，回首已成诗。