如果一句话里塞进三四个动作，Chatterfly 通常只会稳稳处理其中最靠前、表述最明确的那一个，剩下的部分要么被当成背景描述，要么被理解成另一个动作的对象。用户常见的困惑是“我明明说全了，它只做了一半”，这多半不是设备坏了，而是长句里的动作顺序、连接词和指代关系在语音转写与意图判断这两个环节被打散了。把说话方式改成一次只说一件事，是先能自己控制、也最容易验证的一步。
判断方向：把 Chatterfly 当成“一次执行一件事”的执行器，而不是能自己拆解复合句的助手。适用场景是唤醒后连续下达的日常操作；操作动作是把长句按“动作词+对象”拆成 5 字以内的短指令，逐条说出；验证方式是核对转写文本与实际动作是否一致；边界是麦克风环境、唤醒灵敏度和模型版本都会影响结果，拆句只能减少歧义，不能修复“本来就没听清”的问题。
准备一组短指令（5字以内）和一组长句指令（20字以上）
先固定一组对照指令，目标是同一件事，只是说法长短不同。这样后面记录时才能判断差异来自句子长度，而不是来自任务本身难度。建议在安静环境下先读一遍，确认自己吐字清楚。
| 短指令（≤5 字） | 长句指令（≥20 字） | 两者共同的目标 |
|---|---|---|
| 打开设置 | 帮我打开设置然后找到蓝牙并连接我的耳机 | 进入设置并连上蓝牙耳机 |
| 打开蓝牙 | 你帮我看一下现在蓝牙是不是开着的没开就打开 | 打开蓝牙开关 |
| 连接耳机 | 我耳机没连上你帮我连一下之前配对过的那个 | 连接已配对耳机 |
| 调低音量 | 帮我把声音调小一点因为现在有点吵 | 降低音量 |
| 设个闹钟 | 我明天早上七点要起床你帮我定个闹钟吧 | 新建 7:00 闹钟 |
这组指令不用一次全试完，先挑两三条自己最常用的即可。长句里刻意保留“然后、帮我、因为”这类口语成分，是因为它们最容易暴露识别问题。
分别对 Chatterfly 说出两组指令，记录转写文本和实际动作
每说一条，先看屏幕上或日志里显示的转写文本，再看设备实际做了什么。转写文本是判断“听错”还是“理解错”的分界线：转写正确但动作错了，属于意图理解问题；转写本身就缺字漏词，属于拾音或识别问题，这时换短句往往也救不回来。
| 序号 | 指令类型 | 原始说法 | 转写文本 | 转写是否与原文一致 | 实际动作 | 动作是否执行完整 | 响应时间（秒） |
|---|---|---|---|---|---|---|---|
| 1 | 短指令 | 打开蓝牙 | （填写） | 是 / 否 | （填写） | 是 / 否 | （填写） |
| 2 | 长句 | 帮我打开设置然后找到蓝牙并连接我的耳机 | （填写） | 是 / 否 | （填写） | 是 / 否 | （填写） |
| 3 | 分步 | 见下一节逐条记录 | — | — | — | — | — |
响应时间可以用秒表或手表粗略记，不需要精确到毫秒，只要能对比出“长句明显更慢或干脆没反应”就够了。同一组指令建议至少说两三遍，排除一次偶然的拾音失败。记录时注意只写你真正看到的结果，不要凭印象补全。
将长句拆分为多个短指令依次说出，观察执行结果
拆分原则很简单：一条指令只包含一个动作词和一个对象，每步只留一个目标，说完一步、确认一步，再进入下一步。不要用“然后”“顺便”“等一下再”把两件事串在一句里。
以“帮我打开设置然后找到蓝牙并连接我的耳机”为例，可以拆成：
- 打开设置
- 打开蓝牙
- 连接耳机
如果设备里配对过多副耳机，“连接耳机”可能不够具体，这时把它换成“连接 XX 耳机”这样的“动作词+具体对象”，仍然控制在一条指令内。每步说出口后停一下，听到提示音或看到状态变化再继续。
| 步骤 | 说出的短指令 | 转写文本 | 是否执行成功 | 是否需要重说 |
|---|---|---|---|---|
| 1 | 打开设置 | （填写） | 是 / 否 | 是 / 否 |
| 2 | 打开蓝牙 | （填写） | 是 / 否 | 是 / 否 |
| 3 | 连接耳机 | （填写） | 是 / 否 | 是 / 否 |
如果某一步失败，只重说这一步，不要把整段长句再说一遍。重复整段长句通常会得到同样的结果，还会把已经成功的前置动作打乱。
对比长句和分步说的失败模式
长句失败通常不是单一原因，而是几种模式叠加。下面的现象可以直接对着自己的记录勾选，右侧给出对应的分步改写。
| 失败模式 | 常见现象 | 长句原文 | 分步改写 |
|---|---|---|---|
| 只执行前半段 | 设置打开了，但没有继续找蓝牙 | 帮我打开设置然后找到蓝牙并连接我的耳机 | 打开设置 → 打开蓝牙 → 连接耳机 |
| 只执行最后一步 | 直接跳到连耳机，前面的入口动作没做 | 先开蓝牙再帮我连上耳机 | 打开蓝牙 → 连接耳机 |
| 动作错序 | 先做了后面的动作，前面的被跳过 | 先把音量调小再播歌 | 调低音量 → 播放音乐 |
| 连接词被当成内容 | “然后”“顺便”出现在转写文本里，被当成搜索或说明 | 然后顺便帮我把闹钟定到七点 | 设个闹钟 → 七点 |
| 对象丢失或指代不清 | “我的耳机”“那个”被当成泛指，连错设备或找不到 | 帮我连一下之前配过的那个 | 连接 XX 耳机 |
判断属于哪种模式，看转写文本最直接：转写里保留了被跳过的动作词，多半是指代或顺序问题；转写里根本没出现某个动作词，那就是拾音或长度截断问题，环境安静一些或靠近设备再试一次。
形成日常使用的话术模板
把上面验证过的做法固化成三步：先唤醒，再短指令，最后看反馈。模板不用记，照着说就行。
第一步 先唤醒
说出唤醒词，等提示音或指示灯变化后再开口
第二步 短指令
一句话 = 动作词 + 对象，控制在 5 字以内
例：打开蓝牙 / 调低音量 / 设个闹钟
第三步 确认反馈
看到状态变化或听到回应后，再下达下一步短指令
没成功就只重说这一条，不重复整段长句场景一，连接蓝牙耳机：唤醒后说“打开蓝牙”，等确认；再说“连接耳机”；如果有多副耳机，改成“连接 XX 耳机”。
场景二，早上设闹钟：唤醒后说“设个闹钟”，等设备进入设置状态；再说“七点”；听到确认后再离开。如果设备要求单独保存，就补一句“保存”。
这套话术的边界也要清楚：环境噪声大、设备离得远、唤醒词没听准时，短指令同样会失败，这时先解决拾音问题，而不是继续换措辞。至于哪些短指令在自己设备上被接受，需要用前面那张记录表逐条确认，不同设备支持的指令集和唤醒行为会有差别。