Диктуване на промпти към паралелни агенти, линия по линия

Първия път, когато пуснете два агента за код един до друг, нещо ви се струва накриво и отнема известно време да го назовете. Всеки агент е бърз. Всеки поотделно би бил ясна печалба. Заедно би трябвало да са двойна печалба. Вместо това денят се оказва по-накъсан, отколкото беше с един, и следобедът свършва с по-малко готово, отколкото сте очаквали.

Причината не са агентите. Причината е формата на входа, от който те се нуждаят. Агентът за код върви на проза: „раздели хендлъра, запази публичната сигнатура, добави тест за клона с таймаут“. Прозата е евтина за измисляне и скъпа за доставяне, защото доставянето ѝ значи да вкарате ръцете и вниманието си в правилния прозорец в правилния момент. С един агент този момент съвпада с естествения ви ритъм. С трима моментите идват когато дойдат и всеки прекъсва онова, посред което сте.

Тази статия е за проблема с доставянето, не за проблема с мисленето. Тя е практичен процес за диктуване на промпти в паралелни агентски линии на Mac, с честно изброени ограничения. Ако не сте чели управление на Claude Code с глас, там са основите за една линия; тук се предполага, че вече въртите повече от една.

Защо паралелните линии наказват точно писането

Промптът има три цени: да го формулирате, да го доставите и да се възстановите след това. Формулирането е неизбежно и се случва предимно в главата ви. Доставянето, когато пишете, значи да прехвърлите фокуса в терминала на агента, да намерите реда за въвеждане, да напишете четиридесет до осемдесет думи и да натиснете Enter. Възстановяването е да се върнете към онова, което правехте, преди агентът да попита.

С една линия цената на доставянето е малка, защото най-вероятно и без това сте гледали в този терминал. С паралелни линии — почти никога. Линия едно задава въпрос, докато вие четете дифа на линия две. Въпросът е лесен, отговорът е едно изречение. Но за да отговорите, трябва да напуснете дифа, а когато се върнете, препрочитате последните трийсет реда, за да намерите докъде бяхте стигнали.

Умножете по всяко пренасочване, всяко „да, продължавай“, всяко „не, другият файл“ — и допълнителната тежест се натрупва. Паралелните линии се провалят не защото агентите са бавни. Провалят се, защото шината за съобщения ставате вие, а шина за съобщения, която трябва физически да се мести между прозорците, има ужасна латентност.

Гласът маха по-голямата част от цената на доставянето. Очите ви остават на дифа: задържате клавиш, казвате изречението, пускате. Думите кацат в полето за въвеждане на агента. Вие не сте мърдали.

Настройката, която работи

Ето я, нарочно скучна.

Клавиш, не прозорец. Keebye живее в лентата с менюта и слуша за клавиш със задържане или единично докосване (по подразбиране десният ⌘; другите варианти са Fn и десният ⌥, а Esc отменя диктовка в ход). Няма приложение за отваряне и няма режим, в който да влизате. Задържате, говорите, пускате. Това значи повече, отколкото звучи: инструмент за диктовка, който има нужда от собствен прозорец, е просто още една линия.

Вмъкване във фокусираното поле. Транскрипцията отива там, където е курсорът. По подразбиране това е поставяне, с разделяне на части, съобразено с терминала, така че дълъг промпт да не залее шела. Ако агентите ви живеят в tmux или през SSH, където поставянето се държи зле, има опционален режим на писане, който вкарва текста като натискания на клавиши в Unicode; кога да го включите — в диктовка, която оцелява в терминала.

Пакетно, не поточно. Keebye транскрибира при пускане на клавиша, като едно изказване. Няма да виждате думите да се появяват, докато говорите. За промпти това е правилната размяна: искате изречението да пристигне наведнъж и вече изчистено, а не да гледате как се материализира дума по дума, докато в полето на агента вече лежи половин мисъл.

Всичко на устройството. Разпознаването върви локално (моделът по подразбиране е настроен за английски, а по желание се включва модел за 25 езика). След изтеглянето на модела всичко работи с изключен Wi-Fi. За промптване на агенти въпросът тук е по-малко в патоса на поверителността и повече в латентността: няма отиване до сървър, така че кратък промпт е готов почти веднага щом пуснете клавиша.

Ритъм на превключване между линиите

Процесът, който в крайна сметка се задържа, има три навика.

Очите остават на линията, която иска преценка. Във всеки момент има една линия, където вниманието ви е на място — обикновено диф или изход от тестове. Нея четете. Останалите получават само кратки устни инструкции. Когато линия две има нужда от решение, поглеждате, кликвате в полето ѝ, задържате клавиша, казвате решението, пускате и кликвате обратно. Кликът е единствената механична цена; самото изречение е безплатно.

Промптите се изговарят като цели изречения. Агентите се справят с цели изречения по-добре, отколкото с телеграфни откъслеци, а диктовката произвежда цели изречения естествено, защото хората така говорят. „Върни промяната на схемата, но запази преименуването в API-то, после пусни миграцията отново и ми покажи изхода“ е нормален изговорен промпт. Написан на ръка е досада.

Паразитните думи падат, смисълът — не. Изчистването в Keebye по подразбиране е базирано на правила: маха „um“, „ъ-ъ“, повторената дума и оставя формулировката ви на мира. Има опционално изглаждане с локален LLM на устройството за по-подредени изречения, а зад него стои предпазител за достоверност, който отстъпва към буквалната транскрипция, когато в изгладения вариант се вижда тежка загуба на токени, разрастване или повторение. Този предпазител е евристика, не смислова проверка: той не потвърждава, че изгладеният текст е запазил значението ви или отрицанието. За промптване на агент повечето хора оставят изглаждането изключено: буквалната транскрипция е точно каквото сте казали, а именно това искате агентът да изпълни.

В какво гласът е добър, линия по линия

Не всеки промпт иска да бъде изговорен. След няколко месеца разпределението е горе-долу такова.

Пренасочвания и продължения: винаги с глас. „Продължавай.“ „Не, другият конфиг.“ „Добави тест за празния случай и пусни отново.“ Това са най-честите промпти в паралелна сесия и всички са дълги колкото едно вдишване.

Забележки в ревюто: предимно с глас. Да четеш диф и да разказваш какво не му е наред е естествено. „Цикълът с повторни опити гълта грешката, логни я преди sleep, а опитите ограничи до пет.“ Диктовката хваща това в темпото на речта, докато очите ви остават върху кода.

Първоначални задания: смесено. Дълъг структуриран бриф с пътища до файлове и ограничения все още печели от писане на ръка — или от това да продиктувате груба версия и после да я редактирате. Гласът е добър за прозата; точните идентификатори се пишат по-лесно. Тук помага собственият речник: добавете имената на модулите в проекта си и повтарящия се жаргон веднъж и те спират да се транскрибират като най-близката английска дума.

Всичко с код: на ръка. Диктуването на регулярен израз е лошо преживяване. Диктувайте инструкцията („напиши регулярен израз, който съвпада с хедъра на версията“), не самия артефакт.

Честни ограничения

Част от тях са на Keebye, част са на цялата категория.

Латентност при първата диктовка. Микрофонът загрява след първата диктовка в сесията и след това пази 500 ms предзапис. Най-първото задържане за деня може да плати цената за стартиране на потока, а дума, изговорена преди буферът да се е включил, може да се отреже. Механиката е в защо приложенията за диктовка изяждат първата ви дума.

Точност при идентификатори. Имена на променливи в snake_case и вътрешни съкращения са мястото, където всеки речев модел се препъва. Речникът намалява това, но не го премахва. Прочетете промпта, преди да натиснете Enter върху нещо необратимо.

Защитени полета. Keebye отказва да вмъква в полета за пароли и защитен вход. Това е направено нарочно и понякога е неудобно, когато терминалът иска парола.

Никакви гласови команди. Няма речник от типа „нов ред“ или „избери всичко“. Keebye е инструмент за диктовка, не слой за гласово управление. Придвижването между линиите си остава клик или клавишна комбинация.

Само macOS. Версията за Windows не е пусната.

Накъде оттук

Ако агентите ви живеят предимно в един редактор, спецификите по инструменти са в ръководствата за Cursor и Claude Code. Ако избирате приложение за диктовка за такъв процес, Keebye срещу Superwhisper е честно сравнение, което включва и къде Superwhisper пасва по-добре.

Кратката версия на всичко дотук: паралелните агенти нямат нужда да пишете по-бързо. Имат нужда да спрете да сте най-бавната стъпка между тях. Дръжте очите си на линията, която иска преценка, и говорете на останалите.