Cursor và Google bổ sung tính năng hội thoại hai chiều cho các tác nhân lập trình

Hai ông lớn trong lĩnh vực phát triển phần mềm hỗ trợ bởi AI đã ra mắt khả năng tương tác giọng nói hai chiều cho các tác nhân lập trình. Vào ngày 9 tháng 11 năm 2026, cả Cursor và Google đều công bố các tính năng cho phép kỹ sư trò chuyện bằng lời nói với công cụ AI của họ, giúp cập nhật và ngắt lời theo thời gian thực mà không cần gõ phím. Động thái này tiếp nối việc OpenAI tích hợp các chức năng giọng nói tương tự vào nền tảng Codex trước đó.

Chuyện gì đã xảy ra

Cursor ra mắt Voice Chat with Agents (Trò chuyện giọng nói với Tác nhân), một tính năng được cung cấp sức mạnh bởi công nghệ Grok Voice của xAI. Bản cập nhật này cho phép nhà phát triển bắt đầu cuộc gọi với tác nhân, mô tả thay đổi bằng lời nói và nghe báo cáo tiến độ khi tác nhân làm việc. Tính năng có sẵn trên giao diện web, ứng dụng iOS và máy tính để bàn của Cursor. Cùng khoảng thời gian đó, Google giới thiệu Chế độ Giọng nói (Voice mode) cho Antigravity, nền tảng phát triển dựa trên tác nhân của hãng. Tận dụng Gemini Live, tính năng này mang tương tác bằng lời nói đến cả ứng dụng desktop Antigravity và giao diện dòng lệnh (CLI).

Những thông báo này đánh dấu sự chuyển dịch từ đọc chính tả đơn thuần sang đối thoại tương tác. Trong khi các tính năng giọng nói trước đây chủ yếu chuyển đổi lời nói thành prompt văn bản, các công cụ mới này duy trì kênh âm thanh mở. Nhà phát triển có thể nghe suy nghĩ của tác nhân, đặt câu hỏi tiếp theo hoặc ngắt quy trình nếu yêu cầu thay đổi. Nick Van der Auwermeulen, kỹ sư quan hệ nhà phát triển tại Google, nhận xét rằng công việc kỹ thuật thường diễn ra qua lời nói, chẳng hạn như khi thảo luận về lỗi với đồng nghiệp. Ông lập luận rằng chế độ giọng nói khôi phục nhịp điệu tự nhiên này cho sự cộng tác giữa con người và tác nhân.

Ngược lại, Claude Code của Anthropic chưa áp dụng giọng nói hai chiều. Mặc dù ứng dụng Claude chính hỗ trợ trò chuyện giọng nói hai chiều, Claude Code hiện chỉ cung cấp tính năng đọc chính tả qua lệnh /voice. Điều này có nghĩa là người dùng có thể nói ra hướng dẫn, nhưng tác nhân chỉ phản hồi bằng văn bản. Sự khác biệt này khiến Anthropic tụt hậu so với Cursor, Google và OpenAI về mô hình tương tác dựa trên giọng nói cho các nhiệm vụ lập trình.

Cách thức hoạt động

Cơ chế cốt lõi đằng sau các tính năng này là duy trì phiên âm thanh liên tục thay vì coi giọng nói là phương pháp nhập liệu một lần. Trong Google Antigravity, người dùng nhấp vào nút dạng sóng trong ứng dụng desktop hoặc chạy lệnh /voice live trong CLI để bắt đầu cuộc gọi. Tác nhân trả lời bằng lời nói và giữ kết nối trong khi thực thi các thay đổi mã. Người dùng có thể ngắt lời tác nhân giữa chừng để làm rõ hướng dẫn hoặc phê duyệt các hành động cụ thể. Khi nhiệm vụ hoàn tất, tác nhân cung cấp tóm tắt bằng văn bản và liên kết để xem xét các thay đổi mã trong cùng giao diện trò chuyện.

Triển khai của Cursor hoạt động tương tự nhưng dựa trên API Grok Voice. Nó cho phép người dùng mô tả thay đổi, truy vấn trạng thái hiện tại của tác nhân và nhận báo cáo tiến độ bằng lời nói. Hệ thống được thiết kế để giảm thiểu việc chuyển đổi ngữ cảnh, giúp nhà phát triển tập trung vào mã hoặc các yếu tố trực quan khác trong khi vẫn nhận được phản hồi thính giác. Cả hai hệ thống đều nhằm mô phỏng động lực của lập trình cặp đôi (pair programming), nơi các vòng lặp phản hồi bằng lời nói liên tục giúp giải quyết vấn đề nhanh hơn so với trao đổi văn bản tĩnh.

Chi tiết chính

• Voice Chat của Cursor sử dụng Grok Voice của xAI và có sẵn trên web, iOS và desktop.
• Chế độ Giọng nói của Google Antigravity sử dụng Gemini Live và hoạt động trên ứng dụng desktop và CLI.
• Người dùng có thể ngắt tác nhân giữa chừng trong cả hai nền tảng để điều chỉnh hướng dẫn.
• Claude Code của Anthropic hiện chỉ hỗ trợ đọc chính tả một chiều, không phải giọng nói hai chiều.
• OpenAI trước đó đã thêm giọng nói hai chiều vào Codex vào tháng Hai và tháng Chín năm 2026.
• Google đang hợp nhất các công cụ lập trình dưới Antigravity, ngừng hoạt động Jules và di chuyển người dùng Gemini CLI.

Tại sao điều này quan trọng

Đối với kỹ sư phần mềm, việc giới thiệu giọng nói hai chiều giảm bớt ma sát khi tương tác với các tác nhân AI. Nhắc nhở dựa trên văn bản truyền thống đòi hỏi phải chuyển đổi ngữ cảnh liên tục giữa trình soạn thảo mã, giao diện trò chuyện và bàn phím. Bằng cách cho phép ngắt lời và cập nhật bằng lời nói, các công cụ này tạo ra quy trình làm việc linh hoạt hơn. Nhà phát triển có thể giám sát các tác vụ chạy dài mà không phá vỡ sự tập trung thị giác, đặc biệt hữu ích trong các phiên gỡ lỗi phức tạp hoặc tái cấu trúc mã.

Sự chuyển dịch này cũng báo hiệu xu hướng rộng hơn hướng tới các giao diện đa phương thức trong môi trường phát triển. Khi các tác nhân đảm nhận nhiều nhiệm vụ tự chủ hơn, nhu cầu giám sát theo thời gian thực tăng lên. Giọng nói cung cấp một kênh băng thông thấp nhưng mức độ tham gia cao cho việc giám sát này. Nó cho phép làm rõ nhanh hơn các yêu cầu mơ hồ và chu kỳ lặp lại nhanh hơn. Các đội ngũ áp dụng những công cụ này có thể thấy họ cộng tác với AI tự nhiên hơn, coi các tác nhân ít giống công cụ tìm kiếm và giống đối tác junior có thể thảo luận vấn đề hơn.

Bạn có thể làm gì

• Thử nghiệm Voice Chat mới trong Cursor nếu bạn đã sử dụng nền tảng này trên desktop hoặc iOS.
• Thử lệnh /voice live trong Google Antigravity CLI để trải nghiệm tương tác giọng nói dựa trên terminal.
• So sánh độ trễ và độ chính xác của Grok Voice so với Gemini Live cho các nhiệm vụ lập trình cụ thể của bạn.
• Đánh giá xem việc ngắt lời bằng giọng nói có cải thiện quy trình làm việc của bạn trong các lần chạy tác nhân dài hay không so với kiểm tra bằng văn bản.
• Theo dõi lộ trình của Anthropic để xem liệu và khi nào Claude Code sẽ hỗ trợ giọng nói hai chiều.
• Cân nhắc xem các tác nhân hỗ trợ giọng nói có thể phù hợp như thế nào với thực hành lập trình cặp đôi hoặc rà soát mã của đội ngũ bạn.