8 个月前，我的字幕软件听不懂一句话。现在它听得懂了

一句话总结：今年 3 月我写过，好的 AI 产品就是要让人在某件事上「变笨」，同时也承认 GeekLink 还没做到——用户还得自己学它的按钮。2026 年 10 月 8 日发布的 GeekLink 0.5.0 加入了连接 AI：AI 助手可以通过 MCP 直接操作 GeekLink。你只要发一句话，比如「把字幕提取出来，翻译成英文，把没把握的行给我看，再导出 SRT」，AI 就会在软件里完成 OCR、语音识别、翻译、复查和导出。连接 AI 目前只支持 Mac，终身版可用；GeekLink 本身支持 Mac 和 Windows。

这是一篇创始人手记，介绍 GeekLink 的一项功能。下文写的能力和限制都以当前版本为准，不代表 AI 助手能把每一条字幕都处理对。

一句我的软件听不懂的话

2026 年 3 月 2 日，我在小红书发了一篇短文。那一个多月我几乎天天在家写代码，八成的话都是对着一款 AI 语音输入工具说的：按住快捷键，把一堆没理顺的想法、语气词一股脑说出来，一松手，AI 就整理成一段通顺的文字。

然后我发现了一个有点吓人的现象：我好像快不会自己好好写字了。AI 兜底兜得太稳，我的大脑干脆不再费劲组织语言。

那篇文章的结尾，我写下了一句我希望能直接对自己产品说的话：

GeekLink 听不懂这句话。它只听得懂按钮。

为什么好的 AI 产品要让人「变笨」

这个结论听上去有点残酷，但我现在依然这么想。大家买软件，从来不是为了锻炼自己，而是为了不用再操心某件事。如果一个 AI 工具得先有很高的专业素养才能用好，那它只是给专家用的辅助工具，不是给所有人的产品。

每一次大的工具变革都是这样。计算器让人不再心算，汽车让人不用再驾驭马车。传统软件的护城河恰恰相反，是多年练出来的肌肉记忆：设计师闭着眼都能在 Photoshop 里找到滤镜，这个习惯让他们很难换工具。

当你用一句话就能描述想要的结果，这份肌肉记忆就不值钱了。「听懂意图」正在取代「熟练操作」。AI 负责脏活累活，人只负责做决定。

当时的 GeekLink 还差一段距离

在同一篇文章里我也承认了差距。GeekLink 那时还停留在自动化工作流：拖入视频、点运行、拿到字幕。这很有用，但你还是得自己搞清楚很多事：画面上哪一行才是字幕，每一行是什么语言，复查标记在哪，该导出什么格式。我写的是，离那个「能听懂人话」的版本还有一段距离。

这段距离是怎么补上的

比我预想的快，而且起因远没有改样式那么光鲜。

GeekLink 提取烧录字幕时，会把没把握的行标出来。复查这些标记，意味着要回到视频里找到那一帧，再和文字逐行对比。9 月底我写了一个 MCP 服务，让 AI 助手替我干这件事：读出被标记的行，调出对应的画面，告诉我哪些真的识别错了。一开始它只是我自己干活用的。

既然 AI 已经能看画面了，让它把整个流程跑完也就是一小步。不到两周，GeekLink 0.5.0 就在软件里上线了连接 AI。0.5.1 又加了一份通用配置，除了支持一键设置的两款应用，任何支持 MCP 的本地 AI 应用都能接入。

现在 AI 助手能在 GeekLink 里做什么

在 GeekLink 顶栏点连接 AI（MCP），选择你的 AI 应用，重启它，并保持 GeekLink 开着。之后你只需要描述想要的结果，比如：

AI 负责规划步骤，GeekLink 负责真正的处理：

• 提取烧录字幕。它会查看候选的字幕区域，选好字幕行和每行的语言，再运行 OCR。
• 语音识别。基于 Whisper 的本地识别生成带时间轴的字幕初稿。开始前它会先问视频里有几个人说话。
• 翻译。使用你在 GeekLink 里选好的翻译服务，也可以把识别和翻译合成一个任务。
• 复查没把握的行。它会读出被标记的行，并查看对应的视频画面。标记只说明值得看一眼，不等于一定有错。
• 编辑和导出。它通过 GeekLink 自己的编辑器控件修改，再导出 SRT / TXT、可开关字幕或烧录字幕视频。

你可以在连接 AI 页面看到未剪辑的真实录屏：三集中文烧录字幕翻译成英文，以及三个没有字幕的视频生成逐行检查过的德语字幕，每次都只发了一句话。

最重要的一条规则：AI 不能做什么

最难的设计不是让 AI 更能干，而是规定哪些事它不能自己决定。

在 OCR 里，最糟糕的错误是删掉一行真字幕。软件不会报错，看起来也一切正常，直到观众看到那段空白才会发现。GeekLink 自己的铁律是「宁可多检测，不可少检测」，AI 也必须遵守：

• 删掉一条推荐的字幕行之前，它必须看过这一行真正出现文字的多帧画面，而不是只看一张缩略图。
• 每删一行都要写明理由，事后你能在框选页看到这些理由。
• 至少要保留一行；视频的语言必须明确说出来，不能套用默认值。

这和我 3 月写的是同一个分工：重复的检查交给机器，最终发出去什么由你决定。

它暂时还做不到的事

• 目前只支持 Mac。GeekLink 支持 Mac 和 Windows，但连接 AI 目前只在 Mac 版里可用。Windows 用户可以直接在软件里使用同样的 OCR、语音识别、翻译、复查和导出功能。
• 终身版可用。连接 AI 包含在终身版里，不是一套单独的额度：导出额度照常校验，云端翻译照常消耗你的 GeekLink AI Credits。
• 不是完全离线。OCR 和语音识别在你的电脑上运行，但工具返回的结果和 AI 要求查看的视频画面会发给你连接的 AI 应用，按该应用自己的数据政策处理。
• 一次只跑一个重任务。AI 可以为整个素材库排好任务，但 GeekLink 同一时间只处理一个重任务。
• 不支持 ChatGPT 网页版。它是 Mac 本机上的本地连接，不是远程 MCP 服务。

那 3 月那句话呢？发这篇文章之前，我把它原封不动地发给了 AI 助手：「把字幕改成白底黄边，放在屏幕下方 20% 的位置。」它先算出 720 像素高的视频，20% 就是 144 像素，然后保存了 GeekLink 的烧录字幕样式，并渲染了一张预览图：白字、黄边、离底部 20%。之后的烧录导出都会用这个样式。

我现在怎么想

以前我觉得 AI 是工具，现在更觉得它像一个外脑，而且这个外脑刚好知道所有按钮在哪。

对做字幕来说，这改变了产品是给谁用的。你不再需要先学会字幕软件，才能拿到做好的字幕。你只需要知道自己想要什么，再检查那几行值得多看一眼的字幕。GeekLink 要做的，就是让这几行越少越好。

如果有一款软件你已经用了很多年，你最想彻底忘掉它的哪些菜单？欢迎写信告诉我：support@geeklink.dev。

常见问题

设置细节请看连接 AI 使用指南。

披露：GeekLink 是我们自己的桌面应用。本文介绍的连接 AI、OCR、语音识别、翻译、复查和导出都是 GeekLink 的功能。