Una veu, deu carrils: un dia de dictat

Dos fills, tres startups, una veu explicava la història d'origen: carrils d'startup paral·lels amb molt en joc, un segon fill de menys de sis mesos i un teclat que discretament s'havia convertit en el punt únic de fallada de tot plegat. Aquell article explicava per què existeix el Keebye. La gent no parava de fer una pregunta més pràctica: com és un dia, realment?

O sigui que aquest és aquell dia. No un dia típic, perquè això no existeix, però sí una forma real que es repeteix. Evitaré les xifres expressament. No he mesurat mai cap percentatge de millora i no me'n refiaria si ho hagués fet. El que sí que puc descriure és on es fa servir el canal de veu, on no, i què va canviar en la textura de la feina.

Una nota sobre «deu carrils». No és cap fanfarronada. Un carril és qualsevol cosa que avança amb una frase meva: un agent de programació a mitja tasca, una revisió de codi que algú espera, un fil de Slack, un correu a l'advocat d'un inversor, l'esborrany d'un document. Un dia enfeinat realment n'hi ha aproximadament aquesta quantitat d'oberts. La majoria estan aturats en un moment donat. El problema és que els que es desperten ho fan segons el seu calendari, no el meu.

Matinada: un braç, tres agents

El dia comença abans que la casa, que vol dir que comença amb un nadó a un braç. Aquesta és l'hora on la veu va passar de comoditat a necessitat.

Tres carrils d'agent ja porten en marxa des de la nit anterior, cadascun al seu terminal, cadascun en un repositori diferent. El primer que faig és llegir què han fet. Llegir necessita ulls, no mans, o sigui que el nadó no és cap problema. El segon és redirigir els que han anat de costat, i és aquí on el teclat perdia.

Ara: clic al terminal, mantinc la ⌘ dreta, dic la redirecció, deixo anar. «La migració està bé, però has canviat el nom de la taula al model i no a l'script de llavors. Arregla les llavors i torna a executar els tests.» El text cau al prompt. Retorn. Carril següent.

Tinc un petit hàbit que em va costar aprendre: parlar amb frases completes. Els agents se'n surten millor, i el dictat les produeix de manera natural perquè és com parla la gent. L'estil telegràfic que abans escrivia («arregla llavors, retesta») era un artefacte del teclat, no una preferència.

Aquesta hora també destapa l'única raresa del primer dictat que val la pena saber. 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 matí pot pagar un cost d'arrencada del flux i tallar una paraula si començo a parlar massa aviat. He après a esperar un batec. Per què les apps de dictat es mengen la primera paraula explica la mecànica; la versió curta és que és un problema de la categoria amb un arranjament parcial, no resolt.

Mig matí: el carril de revisió

Dues de les startups amb què treballo tenen revisions de codi esperant-me gairebé cada matí. La revisió és el millor cas d'ús possible per al dictat: és lectura amb una sortida ocasional de prosa curta, i la prosa va adreçada a una persona.

Llegeixo el diff en una pestanya del navegador. Quan alguna cosa necessita un comentari, clico a la casella, mantinc, parlo, deixo anar. El diccionari personalitzat porta els identificadors del projecte, o sigui que reconnectBackoff en surt com a reconnectBackoff i no com a tres paraules angleses. La neteja és basada en regles per defecte: les falques i les paraules repetides marxen, la meva formulació es queda. Mantinc desactivat el poliment opcional amb LLM local per als comentaris de revisió, perquè la guarda de fidelitat que hi ha darrere és una heurística contra una pèrdua greu de tokens, una expansió o una repetició, no una garantia que hagi sobreviscut una negació, i en una revisió un «no» girat canvia el veredicte.

Un d'aquests equips revisa en romanès. El motor de 25 llengües del Keebye ho porta on-device; fixo la llengua a la safata i la locució següent es descodifica com a romanès, identificadors anglesos inclosos. Dicta les revisions de codi en la teva llengua en té els detalls, incloent-hi la llista sincera de quines llengües hi ha cobertes i quines no.

Matí avançat: els carrils humans

No tots els carrils són un agent. Cap a aquesta hora els fils de Slack i els correus que han envellit durant la nit necessiten resposta, i aquí és on el dia perdia hores en silenci. No perquè les respostes fossin difícils, sinó perquè cada resposta volia dir sortir d'un carril, i sortir d'un carril té un cost de reentrada.

La veu va canviar l'economia d'una resposta. Una resposta de Slack de dues frases és una hotkey mantinguda, dita a la casella de missatge mentre els meus ulls encara són mig al terminal del costat. Els correus propers a inversors són més llargs i encara els escric amb cura, però el primer esborrany ara és dit i després editat. Dir un esborrany en posa la forma ràpidament; editar-lo escrivint és on hi va la precisió.

Aquesta és també l'hora on el requisit de privadesa importa més. El que dicto aquí és l'interior de les empreses d'altra gent: productes no publicats, discussions de seguretat, diners. El Keebye transcriu on-device, funciona amb el Wi-Fi apagat un cop baixat el model, manté un historial només de text local que s'esborra sol al cap de 30 dies i no envia telemetria. On va la teva veu és la versió llarga de per què això no era negociable per a mi.

Tarda: feina de fons, i els carrils que es desperten

Les tardes són per al carril que demana pensament de debò: un disseny, un error difícil, un document que ha de sortir bé. Això s'escriu. La veu és un canal de control, no un canal de pensament, i un problema difícil no es fa més fàcil per ser dit.

Però els altres carrils no saben que és hora de feina de fons. Un agent acaba i fa una pregunta. Un revisor respon al meu comentari amb un contraargument. Abans, cadascuna d'aquestes coses era una decisió: trencar la concentració i canviar de finestra, o deixar-ho envellir. Ara la majoria són un cop d'ull i una frase. Cop d'ull a la pregunta de l'agent, clic, dic «sí, però mantén viu l'endpoint antic fins que el client surti», clic per tornar. La finestra de feina de fons es manté gairebé intacta perquè la interrupció són uns quants segons de parla i no un canvi de context sencer cap al problema d'una altra persona.

Vull ser precís amb l'afirmació. La veu no fa que les interrupcions siguin gratuïtes. Fa que el cost mecànic de respondre sigui prou petit perquè el cost que queda sigui només el pensament, que sempre havia estat el cost real.

Vespre: el carril intens de terminal

Una de les startups fa molta feina operativa per SSH, dins de tmux, en servidors on enganxar des del porta-retalls no existeix com a concepte. Aquí és on les eines de dictat solen ensorrar-se, perquè la majoria insereixen text enganxant.

El Keebye també enganxa per defecte, amb un ritme conscient del terminal per a les shells. Per a SSH i tmux activo el mode de tecleig opcional, que injecta el text com a pulsacions Unicode en comptes de dependre d'un porta-retalls. Funciona amb distribucions no QWERTY, cosa que importa per al teclat romanès d'una de les màquines. Dictat que sobreviu al terminal cobreix la configuració i la guia de terminal cobreix els compromisos.

El Keebye també es nega a inserir en camps d'entrada segura, així que quan un servidor demana una passphrase, la hotkey no fa res. És puntualment molest i completament correcte.

Què no ha canviat

Un dia així es pot llegir com si la veu hagués resolt el problema de tenir massa carrils. No ho ha fet. Ha resolt un coll d'ampolla concret: el cost físic de lliurar una frase al carril que la necessitava. Tota la resta és igual.

Pensar continua sent el coll d'ampolla de la feina difícil. Llegir continua trigant el que triga. Els agents continuen anant de costat i continuen necessitant redirecció, i una redirecció mastegada produeix un resultat mastegat tant si és dita com escrita. La veu és un suplement de les mans, no un substitut; escric molt, només que ja no com l'únic pas obligat que tots els carrils esperen.

I l'aplicació té les vores rugoses del programari primerenc. Els identificadors se senten malament. La primera paraula del dia de vegades queda tallada. No hi ha vocabulari d'ordres de veu, o sigui que navegar entre finestres continua sent un clic. Funciona només a macOS.

La forma de la cosa

La imatge antiga del desenvolupador 10x era una persona escrivint més ràpid. La imatge que ha arribat de debò és una persona dirigint: uns quants carrils, alguns automatitzats i alguns humans, cadascun esperant una frase. En aquest món, l'avantatge no és la velocitat d'escriptura. És com de barat pots lliurar la intenció al carril que la necessita, en qualsevol situació física en què et trobis, inclosa la d'un braç ocupat.

Si el teu dia té aquesta forma, la guia per a desenvolupadors és el punt de partida pràctic, i si estàs sospesant apps de dictat, alternatives a Keebye és una comparació sincera que diu on encaixa millor cadascuna. La prova és de 14 dies i comença amb el teu primer inici de sessió a l'escriptori, o sigui que una setmana real de carrils és exactament per a això que serveix.