摘要

AI 鼠标容易被理解为“在鼠标里运行了一个模型”，但从沸蛇AI语音鼠标 AS6 与 VITA 的现有资料看，更准确的描述是：鼠标提供输入和快捷触发，电脑客户端负责设备连接、账号与功能路由，VITA 平台负责文档、语音和生成任务。

本文采用黑盒视角建立一个三层概念模型，分析按键事件、语音、截屏和文件如何进入任务流程，并给出可复现测试矩阵。本文不是拆机、抓包、逆向或实测报告，也不是对内部实现的披露。文中的三层图均为分析用途的概念图，非内部实现图。资料没有说明的协议、接口、模型和部署方式均视为未知，不作推测。

1. 先区分已知事实与未知实现

根据提供的产品资料，AS6 的按键包括左键、中键、右键、语音键、AI 键和翻译键。机身尺寸为 117×72×42mm，裸机重量标称 89 克，DPI 范围为 1000—4000，电池容量标称 800mAh，充电接口为 USB Type-C。

软件方面，资料说明完整功能需要 VITA 客户端、账号或手机号绑定以及激活流程。VITA 界面展示了 AI 对话、写作、PPT、表格、阅读、绘画、思维导图、教育、语音笔记和视频等模块。AI 阅读资料列出的输入格式包括 TXT、DOCX、PDF 和 Markdown。

这些材料能够支持外部功能层面的建模，但没有给出设备通信协议、客户端内部模块、服务端接口、模型供应方或数据存储位置。

类别	现有资料可确认	仍然未知或需验证
设备	六类按键、尺寸、重量、DPI、电池和接收器	传感器型号、事件编码、固件更新机制
客户端	用于连接硬件、登录、激活和调用功能	内部模块划分、日志结构、异常码
平台	展示对话、文档、语音和多媒体任务入口	具体模型、调度策略、数据保留规则
资源	存在算力值、视频额度等管理方式	不同任务的实际消耗、权益期限和后续规则
性能	无独立测试记录	延迟、准确率、吞吐量、续航和稳定性

这张表是后续分析的边界：能从资料确认的内容按事实描述；无法从资料确认的内容保持未知。

2. 三层概念架构

从外部行为看，可以把系统划分为 Device、Client 和 Platform 三层。这里的“层”是为了分析依赖关系建立的概念模型，并不代表产品内部一定采用相同命名或模块边界。

2.1 Device：输入与触发

Device 层对应 AS6 本体、USB 接收器和物理按键。普通鼠标按键产生指针与点击操作，语音键、AI 键和翻译键则为客户端提供专用触发入口。

资料没有说明这些按键向操作系统发送的是标准键值、自定义设备事件还是其他消息。因此，能够确认的是“存在专用按键并与客户端功能联动”，不能确认具体事件格式。

2.2 Client：连接、身份与路由

Client 层是设备与 VITA 之间的桥梁。根据资料，它至少承担设备连接、客户端启动、账号绑定、平台激活和功能入口呈现等外部职责。

从黑盒角度，可以把一次调用抽象为：

物理按键或输入
    → 客户端识别触发类型
    → 进入对应任务入口
    → 提交语音、文本、截屏或文件

这段文字只是概念流程，不是程序代码，也不表示已知真实函数名或调用顺序。如果需要确认客户端是否在本地完成预处理、何时建立网络请求、失败后如何重试，需要在获得授权和正式测试条件后单独验证。

2.3 Platform：任务处理与结果生成

Platform 层对应 VITA 展示的任务模块。按照输入和输出形态，可以暂时归为四组：

• 文本任务：对话、写作、翻译、校对和搜索；
• 文档任务：阅读、摘要、PPT、表格和思维导图；
• 语音任务：语音输入、转写、翻译和纪要；
• 多媒体任务：图片与视频生成。

这种归类来自界面功能，不代表它们使用相同服务或共享同一模型。平台内部如何选择模型、是否进行任务编排以及生成结果保存在哪里，现有资料没有说明。

3. 四类事件与数据流

三层结构建立后，可以继续分析数据从哪里进入、经过哪些外部节点、产生什么结果。

3.1 按键触发流

AI 键和翻译键首先产生触发事件，客户端将触发映射到对应入口。这个流程传递的核心可能只是“打开某功能”，也可能伴随当前选区、窗口或截屏内容；具体范围需通过可重复实验确认。

3.2 语音流

语音任务至少涉及采集、转写、任务处理和结果显示。测试时应记录麦克风来源、采样环境、说话距离、语言、方言、噪声和网络条件，否则不同结果之间没有可比性。

资料给出了约 1 米的语音使用距离，但没有说明测试环境和判定标准，因此不能把该数字等同于所有环境下的有效识别距离。

3.3 截屏与翻译流

截屏或划词翻译可能涉及屏幕内容采集、文字识别、翻译和结果展示。验证时应分别测试纯文本网页、复杂排版、低分辨率图片、表格和混合语言，并检查截屏范围及敏感信息处理。

3.4 文件任务流

AI 阅读资料列出了 TXT、DOCX、PDF 和 Markdown。文件任务可以抽象为上传、解析、任务生成、结果编辑与导出。需要分别记录文件大小、页数、是否为扫描件、是否包含表格或图片，以及输出是否能回溯到原文。

BUTTON / VOICE / SCREENSHOT / DOCUMENT
    → CLIENT
    → VITA TASK
    → TEXT / PPT / TABLE / IMAGE / VIDEO
    → HUMAN REVIEW

最后的 HUMAN REVIEW 不能省略。摘要可能遗漏限定条件，表格可能出现字段错位，PPT 可能改变原意，翻译和多媒体内容还涉及事实、隐私与版权。

4. 系统边界与故障面

如果只把 AS6 当作一只鼠标，故障排查会集中在电池、接收器和按键；如果把它视为三层系统，故障面会扩大。

层级	可能的外部故障面	建议记录
Device	接收器识别、按键触发、充电、休眠唤醒	系统、接口、距离、复现步骤
Client	安装、权限、账号绑定、激活、版本差异	客户端版本、账号状态、错误提示
Network	连接中断、延迟波动、上传失败	网络类型、时间、重试次数
Platform	模块不可用、输出异常、任务中断	模块、输入、开始与结束时间
Resource	算力值、语音时长或视频额度不足	任务前后余额、任务类型

资料称客户端可适配 Windows、Mac 和云电脑等环境，但没有提供详细版本矩阵。跨平台测试不能只记录“能否安装”，还应比较专用按键、语音、截屏、文件上传和结果导出是否一致。

本地与在线边界也是必要问题。哪些操作可以离线完成、哪些数据需要上传、日志保存在哪里、文件如何删除，应以实际客户端行为、隐私政策和服务协议为准，不能从功能名称推断。

5. 版本控制与可观测性

在线 AI 系统与传统离线外设的一个差异，是相同硬件在不同时间可能连接到不同版本的客户端和平台。若只记录鼠标型号，而不记录软件环境，同一任务的两次结果就不一定能够直接比较。

对黑盒测试而言，最低限度的版本信息应包括操作系统版本、客户端版本、测试日期、账号状态和平台界面可见的任务类型。若界面没有展示模型版本，应明确填写“界面未提供”，不能根据输出风格猜测模型来源。

可观测性同样重要。测试者至少需要记录按键是否被识别、任务是否成功进入平台、开始和结束时间、失败提示、资源前后值以及结果文件。客户端若没有导出日志的能力，可以使用屏幕录制、截图和人工时间戳作为外部记录，但应说明记录方式的精度限制。

版本变化还会影响问题复现。发现异常时，应先在相同设备、相同账号、相同客户端版本和相同输入下重复运行，再改变一个变量。一次同时更换网络、系统和输入材料，会让结果无法归因。

对于语音和文件任务，测试材料本身也应版本化。可以为固定音频、PDF 和提示文本建立编号，并保存校验值或只读副本。这样即使平台更新，仍能知道差异来自服务版本，而不是输入材料被修改。

6. 如何设计可复现测试

没有原始记录时，与其写出一个看似精确的结论，不如先建立测试协议。下面是一份不依赖内部实现的黑盒测试框架。

6.1 固定测试环境

每轮测试记录设备编号、固件信息（如果界面可见）、操作系统、客户端版本、账号权益、网络类型、室内噪声和时间。平台模型或界面发生更新后，应视为新的测试版本。

6.2 使用固定样本

• 语音：固定普通话、英文、数字、专有名词和背景噪声样本；
• 文档：固定纯文本 PDF、扫描 PDF、DOCX 表格和 Markdown 文件；
• 翻译：固定日常文本与专业术语文本；
• 生成：固定主题、材料、输出长度和格式要求。

6.3 保留原始结果

不要只保存人工修改后的成果。应同时保留原始输入、首次输出、修改记录、失败截图、任务时间和资源变化，才能进行横向比较。

测试编号	环境与版本	输入样本	任务模块	开始/结束时间	资源前后值	原始结果	人工复核问题
T-001	待记录	固定语音样本 A	语音笔记	待记录	待记录	原始转写	错字、数字、标点
T-002	待记录	固定 PDF 样本 B	AI 阅读	待记录	待记录	原始摘要	遗漏、引用、页码
T-003	待记录	固定主题 C	AI PPT	待记录	待记录	原始文件	结构、事实、格式

表中的“待记录”是测试字段，不是本文已有结果。只有完成多轮测试并公开环境、样本和原始输出，才适合讨论延迟、准确性、稳定性和资源消耗。

7. 结论

从现有资料能够建立的可靠模型是：AS6 位于 Device 层，承担鼠标操作和专用触发；客户端位于 Client 层，承担连接、身份和任务入口；VITA 位于 Platform 层，承担文档、语音和多媒体任务。

这一模型有两个用途。其一，它避免把平台能力误写成鼠标硬件能力；其二，它让测试范围从单一外设扩展到设备、客户端、网络、账号、资源和输出复核。

仍需保持的边界是：本文没有确认内部协议、接口、模型或部署方式，也没有产生性能测试数据。后续如果要评价系统表现，应使用固定环境和样本，保存原始输出，并对事实、隐私、版权及专业内容进行人工复核。