无线麦：把蓝牙遥控器改造成 Windows 的按键与语音入口——一座 BLE/HID/音频三链合流的本地桥

Thu, 08 Oct 2026 17:00:00 +0800

电视遥控器是天然的「远距离输入设备」：拿在手里、按一下就有反馈、不需要桌子。但把它接到电脑上用，很快就撞到现实——Windows 会把一部分按键当成 HID 键盘收下，另一部分直接在键盘栈里丢掉；而遥控器上的麦克风，走的是 BLE 上一条叫 ATVV 的私有通道，Windows 根本不会把它暴露成一个普通麦克风。

windows-remote-mic-app（无线麦 Win 版）想做的就是把这个断层补上：让米家蓝牙语音遥控器 2 Pro 和谷歌 Chromecast 遥控器，同时成为 Windows 的按键外设和语音入口。它是 GPL-3.0-only 的开源项目，Python + PySide6/QML 实现，发布形式是免安装 ZIP，无需安装器。

这篇不写安装教程，而是把它拆开看：为什么它必须是「一座桥」而不是「一个映射器」、Frida 到底拦在了哪里、音频是怎么从遥控器一路走到输入法的、以及那套近乎苛刻的验证与隐私边界是怎么设计的。

数据说明：本文信息来自项目 GitHub 仓库（ZSTDJan/windows-remote-mic-app）的 README、架构台账（WINDOWS-ARCHITECTURE-LEDGER.md）、性能记录、验证规则与 bugs/、CHANGELOG.md，数据快照时间为 2026-10-08。项目仍在快速迭代（当前正式版 1.0.87，约 51 次提交、48 star），具体行为请以你所用版本与仓库最新文档为准。

它到底是什么
为什么必须是「一座桥」
运行拓扑：两条独立数据链的汇合
按键链：从 HID 到 WUDFHost 拦截
语音链：ATVV、ADPCM 与虚拟声卡
按住说话的状态机契约
13 键跨来源去重：同一次按下只能是一次动作
跨平台适配：小米 A 款与谷歌 A/B 款
元素导航：OrthoFocus 与正交领地网格
性能工程：先证明瓶颈，再改代码
配置、日志与隐私边界
验证分级：1920 项测试能证明什么
成熟度评估与适用场景
结语

一、它到底是什么

一句话定义：无线麦是一个运行在 Windows 上的本地桥接程序，把蓝牙语音遥控器的实体按键转成 Windows 快捷键与动作，同时把遥控器的麦克风转成输入法可用的虚拟麦克风。

它要用户接受的产品形态很朴素——设置窗口 + 通知区域图标：

给遥控器的 13 个实体按键配置单击 / 双击 / 长按三种手势，动作可以是方向、确认、音量、组合快捷键、鼠标操作，或触发 Quicker 动作；
按住遥控器的话筒键说话，文字通过搜狗、微信、豆包输入法上屏；
关掉设置窗口只是隐藏到通知区域，桥接服务继续跑；真正退出要从托盘选「完全退出」。

它支持的遥控器有两类，定位差别明显：

遥控器	参考价	语音能力	语音模式
小米蓝牙语音遥控器 2 Pro（RC003）	约 65–99 元，Type-C 充电	有固件限制	仅按住型，单次约 60 秒内
谷歌 TV Chromecast 遥控器（图示款）	约 15 元	无限制	按住型 + 开关型，可超 60 秒

作者特别提醒：谷歌遥控器版本很多，购买时务必比对电池仓内的型号差异，否则可能买来用不了；图示款仅为型号参考，无利益关联。

二、为什么必须是「一座桥」

理解这个项目，关键是要理解它面对的不是一个技术问题，而是三个：

flowchart LR
 subgraph P["问题：遥控器与 Windows 之间的断层"]
 direction TB
 A1["① 按键断层
部分 HID usage
在键盘栈中被丢弃"] 
 A2["② 语音断层
ATVV 私有音频流
Windows 不暴露为麦克风"]
 A3["③ 注入断层
Windows 没有
可用的遥距输入来源"]
 end

按键断层：Windows 键盘栈会丢掉返回、音量加、音量减等部分 usage，这些键映射不出来；
语音断层：遥控器麦克风走 BLE GATT 上的 ATVV 服务，Windows 不会把它变成一个录音设备；
注入断层：即使拿到了按键和音频，也要把它们变成宿主（输入法）能识别的快捷键与音频端点。

任何只解决一个问题的方案都会失败。这也是项目文档里反复强调的一句话：这不是简单的「快捷键映射器」，而是一座同时连接 BLE 语音、HID 按键、Windows 输入注入和音频端点的本地桥。

与之对应的，项目明确划出了四条非目标（这在一人主导的开源项目里很少见，但对读者判断边界非常有价值）：

不推倒重写已经存在的 BLE、ATVV、Raw Input、Frida、SendInput 和音频链；
不把 Quicker 变成核心依赖，也不做双向深度集成；
不自动改变系统默认音频设备，不静默提权、不安装驱动、不绕过安全软件；
不把未签名候选或自动测试的结果描述成「发布验收通过」。

三、运行拓扑：两条独立数据链的汇合

整个系统的数据流，可以用一张图讲清楚。注意这里有两条相互独立的链，只在解析为语音动作时汇合：

flowchart TB
 RC["RC003 / 谷歌遥控器"]
 RC -->|"BLE GATT / ATVV"| ATVV["ATVV 语音链"]
 RC -->|"Windows HID 键盘栈 → Raw Input"| RAW["Raw Input 按键链"]
 RC -->|"HidOverGatt → WUDFHost + Gadget"| TAP["HID tap 按键链"]

 ATVV --> APP["RemoteMicRC003.exe
桌面主进程"]
 RAW --> APP
 TAP --> APP

 APP -->|"按键动作"| SI["SendInput / 应用启动"]
 APP -->|"ADPCM → PCM"| PA["PortAudio"]
 PA --> CAB["CABLE Input"]
 CAB --> VB["VB-CABLE 虚拟声卡"]
 VB --> HOST["宿主输入法
搜狗 / 微信 / 豆包"]

图上有一个容易被忽略的细节：实体话筒键的按下，可能同时从 ATVV、Windows F5、Raw Input 和 HID tap 四条路径到达。四条路径报的是同一个物理动作，但程序必须把它合并成一次动作——否则用户按一下话筒键，会同时触发语音和一次按键映射，或者干脆触发两次。

这就是第 7 节要讲的去重问题，也是整个项目里最难缠的一类 bug。

再看进程模型。整个程序只有一个用户入口 RemoteMicRC003.exe，靠参数切换角色；另有一个只供安装器与权限修复调用的窄职责助手 RemoteMicRC003HidHelper.exe，藏在 _internal 目录里，不作为用户入口暴露：

入口	角色	是否长期持有硬件
无参数 / `--settings`	Qt Quick 桌面主程序	是（窗口、托盘、桥接 worker）
`--background`	隐藏启动同一个主程序	同上
`--request-exit`	隐藏的维护入口，只写一次性退出请求	否
`--rc003-hid-injector`	受限注入子进程	短暂持有目标进程句柄
HID 助手 `--inject`	计划任务按需启动的管理员注入	短暂持有已核验的 WUDFHost 句柄

「桥接 worker 不是一个独立进程」，这一点很关键：它是桌面主进程内的一条工作线程，持有 BLE、按键和音频资源。单实例靠 per-session Windows named mutex 保证——重复双击只恢复已有窗口，绝不会再开一套 BLE + Raw Input + HID + 音频 竞争同一份硬件。

四、按键链：从 HID 到 WUDFHost 拦截

这是全项目技术含量最高的一段。要理解它，先要理解一个「双层报告」问题：

同一个按键，可能被 HID tap 和 Windows 原生键盘路径同时上报。 如果两条路径都继续传播，用户就会同时得到「原生字符/功能」和「自定义映射动作」——表现为按键被触发两次，或者输入框里莫名出现一段日期时间。

项目的正式解法不再依赖「通用低层键盘钩子」（那看不到设备身份），而是把拦截点下沉到已核验的 RC003 宿主进程内部：

flowchart TB
 K["内核已完成 UMDF 输出缓冲区复制"] --> E["Frida Gadget onEnter
NtDeviceIoControlFile"]
 E --> M{"精确匹配报告特征？
IOCTL 0x80018483
8 字节元数据
operation=2 / selector=1
9 字节报告"}
 M -->|"是"| C["保存原始报告
清空 usage"]
 M -->|"否"| SKIP["放行，不干预"]
 C --> R{"调用成功返回？"}
 R -->|"是"| PY["交给 Python
手势去重 → 映射 → 动作"]
 R -->|"否"| RB["恢复源缓冲区
且不派发该报告"]

几个设计要点值得单独拎出来：

① 拦截必须发生在 onEnter，不能是 onLeave。 因为内核在调用返回前已经把源缓冲区复制走了；在 onLeave 清空已经太晚，挡不住原始键。这是踩过坑之后才定下来的时序约束，文档里只留了一句结论。

② 安全边界极其保守。 HID 助手不接受调用方传入的 PID、程序路径或配置路径——它只从当前账号的正式配置入口读取并严格校验设备选择摘要。计划任务没有真实触发器，只能运行 Program Files 里的固定助手和固定 --inject 参数。文档明确写着：助手、任务、哈希或 Gadget 连接任一项不符合预期，tap 就明确失败，绝不回退为未经核验的注入。

③ 承认依赖的是非公开接口。 文档原话：这个方案「依赖已经验证的 Windows 内部复制语义，不是微软承诺稳定的公开接口」。而且——蓝牙版本号本身不能判定兼容，异机必须核对 Windows/驱动链和真实报告，不支持的指令或接口布局一律安全拒收。这种坦白在开源项目里不多见。

④ 失败时要「补齐松键」。 tap 从 READY 变为失联时，应用会在同一个输入仲裁锁内先取消活动手势，补齐所有已认领按键的松键，再撤销 tap 所有权。否则最后一次按下没有对应抬起，会造成连发、半个组合键或状态卡死。

降级规则：宁可少做，不可重复做

当 tap 未能接管时，程序的策略非常明确：

全部自定义按键映射停用，只保留 Windows 原始按键操作。

这是「避免原始操作和自定义操作同时执行」的必然选择——功能少一半，好过行为错乱。同理，只有方向、退格、音量、滚轮这类语义动作允许按住重复；自定义组合键无论放在哪个键上，都只执行一次完整点按。

五、语音链：ATVV、ADPCM 与虚拟声卡

语音链回答的是那个「断层」问题：遥控器的麦克风，怎么变成一个能被输入法读到的麦克风？

flowchart TB
 RC["遥控器麦克风"] -->|"BLE GATT / ATVV"| TX["TX 特征：capabilities / MIC_OPEN / MIC_CLOSE"]
 RC -->|"设备主动上报"| CTRL["CONTROL 特征：麦克风按钮
音频开始 / 停止"]
 RC -->|"设备主动上报"| AUD["AUDIO 特征：ADPCM 帧"]
 AUD --> DEC["atvv_protocol 解码
IMA / DVI ADPCM"]
 DEC --> SES["atvv_session
session id / decoder reset / 晚到音频保护"]
 SES --> FIFO["64 帧有界 FIFO"]
 FIFO --> PA["PortAudio 输出端点"]
 PA --> CI["CABLE Input"]
 CI --> VB["VB-CABLE"]
 VB --> CO["CABLE Output"]
 CO --> IME["输入法读取为麦克风"]

链路上有三个设计决策直接决定了它「能不能用」：

① 控制队列和音频队列必须分开。 控制事件（比如关麦）走有界队列，音频帧走另一个有界队列。控制队列溢出被视为协议状态不可证明的硬错误，直接停止 worker 并请求重连；而音频队列满时只丢最旧的音频并计数——绝不能让音频洪峰把「关麦」这种控制事件挤出去。

② AUDIO_STOP 不能越过已经收到的音频。 这是一个典型的顺序陷阱：如果 decoder 先关闭，那么已经收到但还没处理的尾包会被误判成「晚到数据」而丢弃，用户听到的就是尾音被切掉。所以 AUDIO_STOP 必须先排空同一连接代、序号更早的音频。

③ 输出端点有严格的枚举规则。

拒绝 Windows WDM-KS（PortAudio 报阻塞 API 不受支持，流会在收到 PCM 前就打开失败——这是 BUG-001 的真实根因）；
同名端点优先 WASAPI，其次 DirectSound；
保存设置前先做一次真实的 open/start/stop/close 预检；
16 kHz 单声道 PCM 按端点能力转换采样率和声道。

至于为什么必须用 VB-CABLE 这类虚拟声卡：因为输入法要的是一个录音端点。程序把解码后的 PCM 写到 CABLE Input，虚拟声卡把它暴露成 CABLE Output 供输入法读取。方向不能互换——写错一侧就是「气泡弹出但没有声音」。

关键约束：软件不会静默安装驱动。设置页只能在用户明确确认后，启动随包、哈希校验通过的厂商安装程序。

六、按住说话的状态机契约

「按住说话」看着简单，实际上是整个项目里状态最多、边界最锋利的一块。

voice_controller.py 的职责边界被切得很干净：它只决定实体按住状态，不直接操作 Windows。 话筒键按下产生逻辑 key-down，物理松手产生逻辑 key-up；如果 Windows 没有提供松手边沿，则由设备的 AUDIO_STOP 作为同一个结束边沿的兜底。

真正复杂的是 app.py 里那条强制顺序：

sequenceDiagram
 participant User as 用户
 participant Dev as 遥控器
 participant App as app.py 状态机
 participant Host as 宿主输入法

 User->>Dev: 按下话筒键
 Dev->>App: 四路来源（ATVV/F5/RawInput/HID tap）
 App->>App: ① 验证 BLE session 存在
 App->>App: ② 释放任何历史遗留热键
 App->>App: ③ 打开并验证播放端点
 App->>Host: ④ 交付语音快捷键 key-down
 Note over Host: 只有第 ④ 步成功后
 App->>Dev: ⑤ 才允许发送 MIC_OPEN
 User->>Dev: 松开话筒键
 Dev->>App: 松手边沿 / AUDIO_STOP 兜底
 App->>Host: 释放快捷键 key-up

顺序为什么要这么严？因为每一条都可能失败，而失败必须可回滚：

第 ④ 步是先给宿主快捷键。如果宿主没收到 key-down 就去开麦，遥控器开始传音但输入法没在听，录音就白录了；
第 ⑤ 步只有宿主 key-down 成功后才执行。这是「绝不产生部分会话」的硬约束；
松手时，快捷键释放失败只保留一个退避重试；新会话开始前必须先处理旧的「欠松」。

还有一个容易被低估的设计：运行时保存本次实际发送的快捷键与后端。如果用户在录音中途改了设置，旧会话的 key-up 绝不能发到新的组合键上去——否则就会漏掉一个按键，或者卡住一个修饰键。

至于「开关型持续语音」，项目已经正式撤下。原因是真机诊断证明：协商成功后仍收不到实体 START_SEARCH，遥控器不提供点按持续语音。文档保留了完整的失败调查证据（BUG-017），并把结论写进产品边界（BUG-021）——这比悄悄删掉功能要诚实得多。

七、13 键跨来源去重：同一次按下只能是一次动作

回到第 3 节那个问题。实体话筒键的一次按下可能从四条路径抵达，而四条路径的到达顺序是不确定的：

flowchart TB
 P["一次物理按下"] --> S1["ATVV 语音事件"]
 P --> S2["Windows F5"]
 P --> S3["Raw Input"]
 P --> S4["HID tap"]
 S1 --> G["app.py 跨来源手势门闩"]
 S2 --> G
 S3 --> G
 S4 --> G
 G --> D{"有界保护期内
折叠为一次动作"}
 D -->|"合并成功"| A["执行：语音 或 用户映射动作"]
 D -->|"迟到来源"| L["丢弃，不当作下一次点击"]

难点在两个方向：

来源边沿可能重叠（四路几乎同时到）→ 必须折叠；
来源边沿可能迟到（首个来源已释放后才到）→ 也必须在有界保护期内折叠，不能误判为下一次点击。

更隐蔽的一条：语音会话由「已识别的遥控器输入」和「ATVV 音频状态」共同仲裁——不能把普通实体键盘的 F5 当成遥控器语音授权。来源必须成对匹配对应的按下与抬起，游离边沿一律拒绝。

历史包袱：旧实现曾用全局 F5 钩子处理原生话筒键，结果是「桥接运行期间所有实体 F5 都被吞掉」。文档明确要求不能再这样描述当前合同——现在只有标记过的注入边沿会被处理。

八、跨平台适配：小米 A 款与谷歌 A/B 款

谷歌 Chromecast 遥控器版本繁杂，项目为此做了相当细的兼容分层：

层级	内容
A 款（旧）	8 字节内部键码；依赖已核验的驱动布局
A 款（新版驱动）	按驱动文件的精确摘要选择布局；其它摘要通过匹配的微软符号和完整构造函数前缀确认地址位置
B 款	2 字节 Consumer usage，经 `remote_layout.CHROMECAST_CONSUMER_USAGES` 转换成既有内部格式

B 款的适配过程很能说明「真机验证」为什么不可替代。CHANGELOG 里有一串候选版本（.75 → .87）逐版推进：

.75：在 HID 宿主内做只读计数诊断，但长度字段解释有误；
未打包修正：发现驱动复制调用成功且缓冲区长度为 3 时应当读取并统计，移除了对 IO_STATUS_BLOCK.Information 的错误长度要求——用户日志中该值一直为 0，旧实现因此根本没读到缓冲区；
.78：修复 B 款两字节信号被 8 字节格式限制拒绝的问题，支持 14 个已知普通按键；
.79：直接语音接收改为按遥控器实际返回的接口识别，不再要求 B 款与 A 款使用相同接口编号；
实测反馈：一位 B 款用户确认普通按键与微信按住说话可用。

这段历史的价值在于：它证明了自动检查的盲区在哪里。 旧实现的单元测试全绿，但真机上那个 Information 字段就是 0——测试覆盖不到真机条件，必须靠用户日志回传才能定位。

flowchart LR
 A["自动检查
状态机 / 异常路径 / 隐私契约"] --> B["Windows API smoke
ctypes ABI / Raw Input"]
 B --> C["冻结 EXE smoke
PyInstaller 依赖完整"]
 C --> D["真实硬件验收
当前候选在指定机器上的事实"]
 D -.->|"不能外推"| E["其它机器 / 休眠 / 长期 / 杀软兼容"]

九、元素导航：OrthoFocus 与正交领地网格

项目里还有一个可以独立使用的子项目 OrthoFocus——它把方向键、数字键盘或遥控器方向键变成接近鼠标点击的界面控制方式。

普通 XY Focus 的老毛病是：直接比较距离和角度，于是出现斜跳、跳过中间项、细小控件变孤岛，或者「按上却跑到左上角」。OrthoFocus 的做法是在距离排序之前先加一层稳定的界面结构：

正交领地网格：领地只横向或纵向扩张，边界用水平线和竖直线切分，不生成飞地；
软行列骨架：散乱的小控件归入相近行或列，但不会被强行吸到不合理的位置；
投射优先、领地后备：正前方有目标时先经过它，缺口和不规则布局再由领地邻接补足；
细分元素优先：能识别具体按钮或输入框时，不让无意义的大窗口外壳抢占导航。

它的操作方式很直观：Ctrl+Alt+N 进入/退出导航，方向键移动选区，Enter 点击（连续触发可双击），菜单键右键，音量加减滚动，PageUp/PageDown 切换同位置的父级/子级元素。

OrthoFocus 的技术底座是 Windows UI Automation + MSAA + 窗口几何，不依赖遥控器、蓝牙、音频或主程序。它既可作为独立 EXE 运行，也被无线麦在桌面主进程内集成——两种用法共享同一份导航算法。项目也诚实地标注了边界：不同软件公开的 UIA/MSAA 信息并不一致，真实软件中的可达性、点击结果和长期运行仍需人工验证。

十、性能工程：先证明瓶颈，再改代码

性能文档（PERFORMANCE.md）给人的第一印象是它先反对了一种常见冲动：

当前没有证据表明程序存在持续高 CPU、无界队列、明显内存泄漏或 Python 音频计算能力不足。已确认的问题集中在「阻塞工作放错线程」和「启动阶段做得过早」，不是需要更换语言或把全部代码重写成原生模块。

先看测量结果——Python 根本不是瓶颈：

项目	实测结果	判断
240 样本 ADPCM 解码 + 滤波 + 增益	中位 0.246 ms	不是瓶颈
PCM 统计	中位 0.053 ms	不是瓶颈
48 kHz 重采样 + 双声道转换	中位 0.077 ms	不是瓶颈
PortAudio 流打开	真实日志 67–99 ms	一次性成本，持续观察
阻塞式 `stream.write()`	常见 14–31 ms，历史最大约 57 ms	已转入独立 worker
PortAudio underflow	已核实日志为 0	音频连续性良好

真正的问题出在主线程被阻塞上。审计发现并修复的 6 项（4 个 P2 + 2 个 P3）：

flowchart TB
 subgraph BEFORE["优化前"]
 B1["SettingsController 构造
同步枚举音频端点 + 检查语音程序"]
 B2["阻塞式 PortAudio 写
与 BLE 控制事件共用 worker"]
 B3["语音快捷键操作用
嵌套 QEventLoop 等后台线程"]
 B4["窗口构造时立即跑
全部系统诊断"]
 B5["三个 QML 页面
首屏一次性全构造"]
 end
 subgraph AFTER["优化后"]
 A1["查询转入受控后台任务"]
 A2["独立有界播放 worker
+ 停止屏障"]
 A3["串行异步状态机"]
 A4["首帧提交后再启动诊断"]
 A5["隐藏页首次访问才构造"]
 end
 B1 --> A1
 B2 --> A2
 B3 --> A3
 B4 --> A4
 B5 --> A5

数字最能说明效果——首屏构造 QObject 数从约 1273 个降到 262 个：

项目	审计基线	优化后
创建 `SettingsController`	219–234 ms	2.87–3.19 ms
加载设备页首屏 `main.qml`	133–180 ms	62.71–79.59 ms
首屏 QObject 数	约 1273 个	262 个
一次全量系统诊断	约 649 ms	后台执行，首帧之后再启动

注意最后一行：诊断本身的 649 ms 没有被消除，只是从「窗口构造时同步跑」改成「首帧提交后再后台跑」。这是典型的正确优化——不是让它变快，而是让它别挡路。

顺带一提，PERF-001 之所以被确认为真问题而非理论风险，是因为日志里出现了实证：AUDIO_STOP 前观察到 1–21 个尾部通知积压——共享 worker 确实会被阻塞的音频写卡住。

十一、配置、日志与隐私边界

配置和日志统一落在 %LOCALAPPDATA%\RemoteMic\RC003，结构清晰：

路径	内容
`config.json`	设备选择、增益、重试、按住说话快捷键、输出端点
`key_bindings.json`	主/次手势动作、可移植物理签名映射
`logs\app.log`	轮转运行日志（512 KiB / 1 备份）
`bridge-runtime-status-s<会话 ID>.json`	桥接心跳、连接与输入通道状态（每 5 秒原子更新）
`key-detection\`	最多 30 秒有效的一次性按键检测 IPC
`updates\<版本号>\`	已校验的便携 ZIP，`.part` 只在下载未完成时存在

两份 JSON 都用「临时文件 + flush + fsync + os.replace」原子替换。 更讲究的是 save_settings_pair()：两文件一起保存时，先验证两份结构和隐私字段，如果第二份失败，就把第一份按原始字节原子恢复——不会留下「半新半旧」的混合配置。

文档也没有粉饰边界：普通 NTFS 文件 API 不提供两文件共同提交的断电原子性，极端断电仍不等同于数据库事务；将来若需要真正的断电事务，应引入显式 journal，而不是继续堆临时文件技巧。

隐私这块是全项目最硬的一条线。日志允许记录：固定状态名、异常类型、逻辑按钮名、PCM 帧数/时长/峰值、候选数量、退出码。

日志禁止记录：

蓝牙地址；
WinRT device id、HID/设备接口路径；
设备 token、原始 handle/address；
用户语音内容或识别文本；
原生异常中可能夹带的机器本地路径。

而且这不是靠自觉：配置层有一个递归隐私守卫，对地址、设备 ID、设备路径、接口 ID、token 等字段大小写不敏感地拒绝；持久日志 handler 还会移除 traceback，并把作为日志参数传入的异常替换为「异常类型」——这是第二道防线，文档强调调用点仍必须使用隐私安全字段。

还有一个细节值得记下来：设备身份只存 SHA-256 摘要。remote_selection 只保存已添加设备的 ContainerId 摘要、支持的 profile 和 active key，原始身份不落盘；导出日志也明确不含录音、输入正文和用户配置。

十二、验证分级：1920 项测试能证明什么

项目最值得学习的可能不是代码，而是它那套验证分级规则（VALIDATION-AND-DELIVERY.md）。

核心原则是一句话：四项判断互不代替，不得从一项自动推出另一项。

flowchart LR
 A["① 功能影响
L1 / L2 / L3"] 
 B["② 验证深度
定向 / 受影响范围 / 完整"]
 C["③ 交付级别
不制作产物 / 本地测试包 / 正式候选 / 正式发布"]
 D["④ Git 状态
普通提交 / 检查点待实测"]
 A -.->|"不自动推出"| B
 B -.->|"不自动推出"| C
 C -.->|"不自动推出"| D

也就是说：L3 不等于正式发布；完整自检不等于构建候选或 ZIP；本地 ZIP 不等于正式候选；「测试项很多、任务很长」也不构成升级交付级别的理由。

这套规则还配了一张「证据能力表」——明确写出每一层能证明什么、不能证明什么：

层级	能证明	不能证明
unittest	状态机、异常路径、资源所有权、隐私/构建契约	真实蓝牙、驱动、输入法行为
Windows API smoke	ctypes ABI、Raw Input/SendInput/托盘生命周期	每个 usage 和长期稳定性
QML 离屏加载	QML 可创建、布局关键契约	用户机器显卡/缩放/主题组合
冻结 EXE smoke	PyInstaller 依赖完整、入口可运行	BLE/音频/权限真机成功
真实硬件验收	当前候选在指定机器上的按键和语音事实	其他机器、休眠、长期、杀软兼容

当前源码的自动化基线是：1920 项 unittest 通过，7 项按平台或安全条件跳过，日志中无 ResourceWarning、未关闭事件循环或 socket；compileall、源码 --dry-run、公开边界扫描（508 个文件）、pip check、git diff --check 均通过。

但文档紧接着提醒：这批结果只证明当前源码的自动化基线，不证明冻结 EXE、安装器、计划任务或真机链路已经通过。

这种「自己给自己的证据降级」的写法，是一人项目里难得的工程纪律。它还体现在一条总原则上：

引用代表所有权。 线程仍活、handle 未关闭、stream 未关闭或 key-up 未确认时，对象引用不能清成 None。

以及一条资源规则：清理必须尝试所有独立步骤，最后聚合失败——不能因为某一步报错就跳过其他清理，也不能在旧资源存活时开始新一代连接。

十三、成熟度评估与适用场景

拉回现实层面，客观看一下它的成熟度：

维度	现状
版本	正式版 1.0.87（2026-10-03 发布），迭代节奏约 1–3 天一个候选
活跃度	约 51 次提交 / 创建于 2026-09-01，48 star、6 fork、9 个开放 issue
代码规模	单文件体量偏大（`qt_settings_app.py` 约 437 KB，`app.py` 约 275 KB），含大量补丁式注释
测试	1920 项 unittest（含多项 ABI/契约级测试），测试代码量与源码相当
许可	GPL-3.0-only，第三方组件（PySide6/Frida/PortAudio/NumPy/VB-CABLE）分别通知
分发	免安装 ZIP，未签名，首次运行会有 SmartScreen 提示

已经验证过的（截至文档时的异机结果）：多候选中可选出唯一可用的 RC003、全部普通按键可在映射页识别、记事本映射有效、按住语音能得到非零 PCM 和识别文字、F5 不再向输入框泄漏日期时间。

仍待真机验证的：方向键单次触发与长按复测、HID 失联补松、HOLD 短流尾音、断连重连、休眠恢复、长期运行、权限与杀软兼容、以及异机差异。

现实风险：

程序未签名，且公开版当前按临时说明以管理员身份运行，受管理的公司电脑可能禁止 UAC、按键组件或虚拟音频安装；
游戏或反作弊软件可能把模拟按键识别为自动化操作，需按目标软件规则使用；
依赖 Windows 内部复制语义（非公开接口），系统更新可能影响兼容性；
输入法的联网、识别结果和文字润色由输入法自身决定。

适合谁用：想把客厅/投影/远距离场景下的遥控器接到 Windows、需要「躺着也能输入文字」的个人用户；能接受未签名程序、能自己处理 UAC 和虚拟声卡的动手型用户。

不太适合：企业受管设备、追求即装即用的普通用户、以及需要长期无人值守稳定运行的场景。

十四、结语

windows-remote-mic-app 最打动人的地方，不是它支持了多少按键，而是它面对「三个断层叠在一起」这个复杂度时的处理方式：

该下沉的地方下沉——把按键拦截做到宿主进程内部，而不是在通用钩子上凑合；
该保守的地方保守——tap 失联就停用全部自定义映射，宁可少功能不出错；
该承认的地方承认——明确写出「依赖非公开接口」「蓝牙版本号不能判定兼容」「自动测试不能外推真机结果」；
该放弃的地方放弃——开关型语音真机验证失败，就正式撤下并保留失败证据，而不是留给用户去踩。

一个能说清自己在哪一步可能失败、失败了会怎样、以及为什么这么选的项目，比一个声称「全面支持」的项目更值得信任。这份克制，是它最像样的工程特质。

免责声明：本文为个人学习性质的源码与文档解读，不构成对该软件的推荐、担保或安全评估。程序未签名且部分版本需管理员权限运行，请从项目官方仓库下载并核对 SHA256SUMS.txt。涉及设备配对、驱动安装与 UAC 授权的操作，请自行评估风险。

无线麦 on 我的博客