Dictar prompts a agents paral·lels, carril a carril

El primer cop que portes dos agents de programació de costat, hi ha alguna cosa que grinyola, i tardes una estona a posar-hi nom. Cadascun és ràpid. Cadascun, tot sol, seria una victòria clara. Junts haurien de ser el doble de victòria. En canvi, el dia et queda més fragmentat que amb un de sol, i acabes la tarda amb menys coses tancades de les que esperaves.

El motiu no són els agents. És la forma de l'entrada que necessiten. Un agent de programació funciona amb prosa: «divideix el gestor, mantén la signatura pública, afegeix un test per al camí del timeout». La prosa és barata de pensar i cara de lliurar, perquè lliurar-la vol dir posar les mans i l'atenció a la finestra correcta en el moment correcte. Amb un agent, aquell moment encaixa amb el teu ritme natural. Amb tres, els moments arriben quan arriben, i cadascun interromp allò que estaves fent.

Aquest article va del problema del lliurament, no del problema de pensar. És un flux pràctic per dictar prompts a carrils d'agents paral·lels en un Mac, amb els límits sincers inclosos. Si no has llegit Com dirigir el Claude Code amb la veu, aquell article cobreix els fonaments d'un sol carril; aquest dona per fet que ja en portes més d'un.

Per què els carrils paral·lels castiguen l'escriptura en concret

Un prompt té tres costos: formular-lo, lliurar-lo i recuperar-te després. Formular-lo és inevitable i passa sobretot al cap. Lliurar-lo, quan escrius, vol dir canviar el focus al terminal de l'agent, trobar la línia d'entrada, escriure de quaranta a vuitanta paraules i prémer retorn. Recuperar-te vol dir tornar a allò que feies abans que l'agent preguntés.

Amb un sol carril, el cost de lliurament és petit perquè probablement ja miraves aquell terminal. Amb carrils paral·lels, gairebé mai hi ets. El carril u fa una pregunta mentre llegeixes el diff del carril dos. La pregunta és fàcil; la resposta és una frase. Però respondre-la vol dir deixar el diff, i quan hi tornes, rellegeixes les últimes trenta línies per trobar on eres.

Multiplica-ho per cada redirecció, cada «sí, continua», cada «no, l'altre fitxer», i la sobrecàrrega s'acumula. Els carrils paral·lels no fallen perquè els agents siguin lents. Fallen perquè tu et converteixes en el bus de missatges, i un bus de missatges que s'ha de desplaçar físicament entre finestres té una latència terrible.

La veu elimina gairebé tot el cost de lliurament. Mantens els ulls al diff, mantens premuda una tecla, dius la frase, deixes anar. Les paraules cauen al camp d'entrada de l'agent. No has marxat mai.

La configuració que funciona

Aquesta és la configuració, deliberadament avorrida.

Una hotkey, no una finestra. El Keebye viu a la barra de menús i escolta una hotkey que es manté premuda o es toca (la ⌘ dreta per defecte; Fn i l'⌥ dreta són les altres opcions, i Esc cancel·la un dictat en curs). No hi ha cap finestra d'aplicació per obrir ni cap mode on entrar. Mantén, parla, deixa anar. Això importa més del que sembla: una eina de dictat que necessita finestra pròpia només és un carril més.

Inserció al camp amb focus. La transcripció s'insereix allà on tens el cursor. Per defecte això és un enganxat, amb un ritme conscient del terminal perquè un prompt llarg no desbordi una shell. Si portes agents dins de tmux o per SSH, on l'enganxat es comporta malament, hi ha un mode de tecleig opcional que injecta el text com a pulsacions Unicode; Dictat que sobreviu al terminal explica quan activar-lo.

Per lots, no en flux continu. El Keebye transcriu en deixar anar la tecla, com una sola locució. No veuràs les paraules aparèixer mentre parles. Per fer prompts, aquest és el bon compromís: vols que la frase sencera caigui de cop, neta, en comptes de veure com es materialitza paraula a paraula mentre l'entrada de l'agent ja té mig pensament.

Tot on-device. La transcripció s'executa localment (un model per defecte afinat per a l'anglès, o un model de 25 llengües si l'actives). Un cop baixat el model, funciona amb el Wi-Fi apagat. Per fer prompts a agents, això va menys de teatre de la privadesa i més de latència: no hi ha anada i tornada, així que un prompt curt està a punt gairebé tan bon punt deixes anar la tecla.

Un ritme per canviar de carril

El flux que ha acabat quallant té tres hàbits.

Els ulls es queden al carril que demana criteri. En qualsevol moment hi ha un carril on pertany la teva atenció, normalment un diff o la sortida d'uns tests. Aquell és el carril que llegeixes. Els altres només reben instruccions verbals curtes. Quan el carril dos necessita una decisió, hi fas un cop d'ull, cliques a la seva entrada, mantens la tecla, dius la decisió, deixes anar i tornes a clicar. El clic és l'únic cost mecànic; la frase en si és gratis.

Els prompts es diuen com a frases completes. Els agents porten millor les frases senceres que els fragments telegràfics, i el dictat produeix frases senceres de manera natural perquè és com parla la gent. «Reverteix el canvi d'esquema però mantén el canvi de nom de l'API, després torna a executar la migració i ensenya'm la sortida» és un bon prompt dit. És un de tediós escrit.

Les falques cauen, el sentit no. La neteja del Keebye és basada en regles per defecte: treu els «um», els «eh», la paraula repetida, i deixa la teva formulació intacta. Hi ha un poliment opcional amb un LLM local per a frases més endreçades, protegit per una guarda de fidelitat que recorre a la transcripció literal quan la versió polida mostra una pèrdua greu de tokens, una expansió o una repetició. Aquella guarda és una heurística, no una comprovació semàntica: no verifica que el text polit hagi preservat el teu sentit o una negació. Per fer prompts a un agent, la majoria de gent deixa el poliment desactivat; una transcripció literal és exactament el que has dit, i això és el que vols que l'agent executi.

Per a què va bé la veu, carril a carril

No tots els prompts volen ser dits. Al cap d'uns mesos, el repartiment és més o menys aquest.

Redireccions i continuacions: sempre veu. «Continua.» «No, l'altra configuració.» «Afegeix un test per al cas buit i torna-ho a executar.» Són els prompts de més volum d'una sessió paral·lela i tots duren un alè.

Retorn de revisió: majoritàriament veu. Llegir un diff i narrar què hi falla és natural. «El bucle de reintents s'empassa l'error, registra'l abans del sleep i limita els intents a cinc.» El dictat ho captura a velocitat de parla mentre els teus ulls es queden al codi.

Encàrrecs inicials: mixt. Un encàrrec llarg i estructurat amb rutes de fitxers i restriccions encara guanya escrivint-lo, o dictant-ne una versió aproximada i editant-la. La veu va bé per a la prosa; els identificadors exactes són més fàcils escrits. Aquí ajuda el diccionari personalitzat: afegeix-hi una vegada els noms de mòdul del teu projecte i l'argot recurrent, i deixaran de transcriure's com la paraula anglesa més propera.

Qualsevol cosa amb codi: escrita. Dictar una expressió regular és una mala estona. Dicta la instrucció («escriu una regex que casi amb la capçalera de versió»), no l'artefacte.

Límits sincers

Alguns són del Keebye; d'altres, de la categoria.

Latència del primer dictat. El micròfon s'escalfa després del primer dictat de la sessió i a partir d'aleshores manté una pre-roll de 500 ms. La primera pulsació mantinguda del dia pot pagar un cost d'arrencada del flux, i una paraula dita abans que el buffer s'activés pot quedar tallada. Per què les apps de dictat es mengen la primera paraula explica la mecànica.

Precisió amb els identificadors. Els noms de variable en snake_case i els acrònims interns són on pateix qualsevol model de veu. El diccionari ho redueix, però no ho elimina. Llegeix el prompt abans de prémer retorn en res destructiu.

Camps segurs. El Keebye es nega a inserir en camps de contrasenya i d'entrada segura. És intencionat i de tant en tant incòmode, quan un indicador del terminal et demana una passphrase.

Cap ordre de veu. No hi ha vocabulari de «nova línia» ni «selecciona-ho tot». El Keebye és una eina de dictat, no una capa de control per veu. Navegar entre carrils continua sent un clic o una drecera de teclat.

Només macOS. La versió per a Windows no s'ha publicat.

On anar després

Si els teus agents viuen sobretot en un editor, les guies de Cursor i Claude Code tenen els detalls de cada eina. Si estàs triant entre apps de dictat per a aquest flux, Keebye vs Superwhisper és una comparació sincera que inclou on encaixa millor el Superwhisper.

La versió curta de tot això: els agents paral·lels no necessiten que escriguis més ràpid. Necessiten que deixis de ser el salt més lent entre ells. Mantén els ulls al carril que demana criteri i parla a la resta.