Diktování promptů paralelním agentům, dráhu po dráze

Když poprvé rozjedete dva agenty na psaní kódu vedle sebe, něco nesedí, a chvíli trvá to pojmenovat. Každý agent je rychlý. Každý z nich sám o sobě je jasná výhra. Dohromady by to měla být dvojnásobná výhra. Místo toho je den roztříštěnější, než býval s jedním, a odpoledne končíte s menším množstvím hotové práce, než jste čekali.

Není to agenty. Je to tvar vstupu, který potřebují. Agent na psaní kódu jede na próze: „rozděl ten handler, zachovej veřejnou signaturu, přidej test na větev s timeoutem.“ Prózu je levné vymyslet a drahé doručit, protože doručit ji znamená dostat ruce a pozornost do správného okna ve správný okamžik. S jedním agentem se ten okamžik potká s vaším přirozeným rytmem. Se třemi přicházejí okamžiky, kdy je jim libo, a každý z nich přeruší to, co jste zrovna dělali.

Tenhle článek je o problému doručení, ne o problému přemýšlení. Je to praktický postup, jak na Macu diktovat prompty do paralelních agentních drah, i s upřímně přiznanými limity. Pokud jste nečetli Řízení Claude Code hlasem, tam najdete základy pro jednu dráhu; tenhle článek předpokládá, že už jich máte víc.

Proč paralelní dráhy trestají zrovna psaní na klávesnici

Prompt má tři náklady: vymyslet ho, doručit ho a pak se vrátit zpátky. Vymyšlení je nevyhnutelné a odehrává se hlavně v hlavě. Doručení, když píšete, znamená přepnout fokus do agentova terminálu, najít vstupní řádek, napsat čtyřicet až osmdesát slov a odeslat. Návrat znamená dostat se zpátky k tomu, co jste dělali předtím, než se agent ozval.

S jednou dráhou je náklad na doručení malý, protože jste se do toho terminálu nejspíš stejně zrovna dívali. S paralelními dráhami se do něj nedíváte skoro nikdy. Dráha jedna se ptá, zatímco čtete diff z dráhy dvě. Otázka je snadná; odpověď je jedna věta. Jenže odpovědět znamená opustit ten diff, a když se vrátíte, přečtete si posledních třicet řádků znovu, abyste našli, kde jste byli.

Vynásobte to každým přesměrováním, každým „ano, pokračuj“, každým „ne, ten druhý soubor“ — a režie se nabaluje. Paralelní dráhy neselhávají proto, že by agenti byli pomalí. Selhávají proto, že sběrnicí zpráv jste vy, a sběrnice zpráv, která se musí fyzicky přesouvat mezi okny, má příšernou latenci.

Hlas většinu nákladů na doručení odstraní. Oči zůstanou na diffu, podržíte klávesu, řeknete větu, pustíte. Slova přistanou ve vstupním poli agenta. Nikam jste neodešli.

Nastavení, které funguje

Tady je to nastavení, záměrně nudné.

Klávesová zkratka, ne okno. Keebye sedí v liště a čeká na zkratku, kterou lze podržet nebo klepnout (výchozí je pravá ⌘; dalšími volbami jsou Fn a pravá ⌥, Esc probíhající diktování zruší). Není tu žádné okno aplikace, které by se otevíralo, ani režim, do kterého by se vstupovalo. Podržet, mluvit, pustit. Záleží na tom víc, než to zní: diktovací nástroj, který potřebuje vlastní okno, je jen další dráha.

Vložení do zaostřeného pole. Přepis se vloží tam, kde máte kurzor. Ve výchozím stavu je to vložení ze schránky, s dělením ohleduplným k terminálu, aby dlouhý prompt shell nepřeválcoval. Pokud agenty provozujete uvnitř tmuxu nebo přes SSH, kde se vkládání chová špatně, je k dispozici volitelný režim psaní, který text vloží jako stisky kláves v Unicode; Diktování, které přežije terminál vysvětluje, kdy ho zapnout.

Dávkově, ne streamovaně. Keebye přepisuje při puštění klávesy, jako jednu promluvu. Neuvidíte slova přibývat, jak mluvíte. Pro promptování je to správný kompromis: chcete, aby celá věta přistála naráz a učesaná, ne ji sledovat, jak se rodí slovo po slově, zatímco ve vstupu agenta už leží půlka myšlenky.

Všechno na zařízení. Přepis běží lokálně (výchozí model laděný na angličtinu, nebo po zapnutí model pro 25 jazyků). Po stažení modelu to funguje i s vypnutou Wi-Fi. U promptování agentů nejde ani tak o divadlo se soukromím jako o latenci: nekoná se žádná cesta na server a zpět, takže krátký prompt je hotový skoro ve chvíli, kdy klávesu pustíte.

Rytmus přepínání drah

Postup, který se nakonec uchytil, stojí na třech návycích.

Oči zůstávají na dráze, která potřebuje úsudek. V každém okamžiku je jedna dráha ta, kam patří vaše pozornost — obvykle diff nebo výstup testů. Tu čtete. Ostatní dostanou jen krátké slovní instrukce. Když dráha dvě potřebuje rozhodnutí, mrknete tam, kliknete do jejího vstupu, podržíte klávesu, vyslovíte rozhodnutí, pustíte a kliknete zpátky. To kliknutí je jediný mechanický náklad; věta samotná je zadarmo.

Prompty se vyslovují jako celé věty. Agenti si s celými větami poradí líp než s telegrafickými úlomky a diktování celé věty produkuje přirozeně, protože tak lidi mluví. „Vrať změnu schématu, ale nech přejmenování API, pak znovu spusť migraci a ukaž mi výstup“ je dobrý vyslovený prompt. Napsaný je otravný.

Vycpávky pryč, význam ne. Čištění v Keebye je ve výchozím stavu založené na pravidlech: odstraní „ehm“, „no“ a zopakované slovo a vaše formulace nechá být. K dispozici je volitelné doleštění lokálním LLM přímo na zařízení, jištěné kontrolou věrnosti, která se vrátí k doslovnému přepisu, když doleštěná verze vykazuje vážnou ztrátu tokenů, rozbujení nebo opakování. Ta kontrola je heuristika, ne sémantické ověření: neověří, že doleštěný text zachoval váš význam nebo zápor. Při promptování agenta si většina lidí doleštění vypne; doslovný přepis je přesně to, co jste řekli, a přesně to chcete, aby agent vykonal.

K čemu je hlas dobrý, dráhu po dráze

Ne každý prompt chce být vyslovený. Po pár měsících vypadá dělení zhruba takhle.

Přesměrování a pokračování: vždycky hlasem. „Pokračuj.“ „Ne, ten druhý config.“ „Přidej test na prázdný případ a spusť to znovu.“ Tyhle prompty jsou v paralelní session nejčastější a všechny se vejdou do jednoho nádechu.

Zpětná vazba k review: většinou hlasem. Číst diff a nahlas popisovat, co je na něm špatně, je přirozené. „Ta retry smyčka spolkne chybu, zaloguj ji před uspáním a zastropuj počet pokusů na pěti.“ Diktování to zachytí rychlostí řeči, zatímco oči zůstanou na kódu.

Úvodní zadání úkolu: půl na půl. Dlouhé strukturované zadání s cestami k souborům a omezeními pořád vyjde líp napsané — nebo nadiktované nahrubo a pak upravené. Pro prózu je hlas v pořádku; přesné identifikátory se snáz píšou. Pomáhá tu vlastní slovník: přidejte si jednou názvy modulů svého projektu a opakující se žargon a přestanou se přepisovat na nejbližší anglické slovo.

Cokoli s kódem: psát. Diktovat regulární výraz je utrpení. Diktujte instrukci („napiš regulární výraz, který matchne hlavičku s verzí“), ne ten artefakt.

Upřímné limity

Některé patří Keebye, jiné celé kategorii.

Latence prvního diktování. Mikrofon se rozehřeje po prvním diktování v session a od té chvíle si drží 500ms předstih. Úplně první podržení za den může zaplatit náklad na rozjezd streamu a slovo vyslovené dřív, než se buffer chytil, se může uříznout. Proč diktovací aplikace ukusují první slovo rozebírá mechaniku.

Přesnost u identifikátorů. Názvy proměnných v snake_case a interní zkratky jsou místo, kde plave každý řečový model. Slovník to zmírní, ale neodstraní. Než u čehokoli destruktivního zmáčknete Enter, prompt si přečtěte.

Zabezpečená pole. Keebye odmítá vkládat do polí pro hesla a zabezpečený vstup. Je to záměr a občas je to nepohodlné, když se terminál ptá na přístupovou frázi.

Žádné hlasové příkazy. Neexistuje slovník typu „nový řádek“ nebo „vybrat vše“. Keebye je nástroj na diktování, ne vrstva pro ovládání hlasem. Navigace mezi dráhami je pořád klik nebo klávesová zkratka.

Jen macOS. Windowsový build není vydaný.

Kam dál

Pokud vaši agenti bydlí hlavně v jednom editoru, specifika pro jednotlivé nástroje najdete v průvodcích Cursor a Claude Code. Pokud pro tenhle postup vybíráte mezi diktovacími aplikacemi, Keebye vs Superwhisper je upřímné srovnání včetně toho, kde se Superwhisper hodí líp.

Zkrácená verze všeho výše: paralelní agenti nepotřebují, abyste psali rychleji. Potřebují, abyste přestali být tím nejpomalejším přeskokem mezi nimi. Nechte oči na dráze, která potřebuje úsudek, a se zbytkem mluvte.