Diktér prompts til parallelle agenter, bane for bane

Første gang du kører to kodeagenter side om side, føles noget galt, og det tager et stykke tid at sætte ord på. Hver agent er hurtig. Hver af dem ville alene være en klar gevinst. Sammen burde de være dobbelt gevinst. I stedet føles dagen mere splittet, end den gjorde med én, og du slutter eftermiddagen med mindre færdigt, end du havde regnet med.

Årsagen er ikke agenterne. Det er formen på det input, de har brug for. En kodeagent kører på prosa: "del handleren op, behold den offentlige signatur, tilføj en test for timeout-stien." Prosa er billig at tænke og dyr at levere, for at levere den betyder at få dine hænder og din opmærksomhed ind i det rigtige vindue på det rigtige tidspunkt. Med én agent falder det tidspunkt sammen med din naturlige rytme. Med tre kommer tidspunkterne, når de nu kommer, og hvert af dem afbryder det, du var midt i.

Det her indlæg handler om leveringsproblemet, ikke om tænkeproblemet. Det er et praktisk workflow til at diktere prompts ind i parallelle agentbaner på en Mac, med de ærlige begrænsninger inkluderet. Har du ikke læst At styre Claude Code med stemmen, dækker det indlæg det grundlæggende for én bane; det her forudsætter, at du allerede kører mere end én.

Hvorfor parallelle baner straffer netop tastning

En prompt har tre omkostninger: at formulere den, at levere den og at komme tilbage bagefter. At formulere den er uundgåeligt og foregår mest i hovedet. At levere den, når du taster, betyder at skifte fokus til agentens terminal, finde inputlinjen, taste fyrre til firs ord og trykke retur. At komme tilbage betyder at finde tilbage til det, du lavede, før agenten spurgte.

Med en enkelt bane er leveringsomkostningen lille, for du kiggede sandsynligvis allerede på den terminal. Med parallelle baner gør du det næsten aldrig. Bane et stiller et spørgsmål, mens du læser bane tos diff. Spørgsmålet er nemt; svaret er én sætning. Men at svare betyder at forlade diffen, og når du kommer tilbage, læser du de sidste tredive linjer igen for at finde ud af, hvor du var.

Gang det med hver omdirigering, hvert "ja, fortsæt", hvert "nej, den anden fil", og overhead hober sig op. Parallelle baner fejler ikke, fordi agenter er langsomme. De fejler, fordi du bliver beskedbussen, og en beskedbus, der fysisk skal flytte sig mellem vinduer, har elendig latenstid.

Stemmen fjerner det meste af leveringsomkostningen. Du holder øjnene på diffen, holder en tast nede, siger sætningen, slipper. Ordene lander i agentens inputfelt. Du forlod aldrig noget.

Opsætningen, der virker

Her er opsætningen, holdt bevidst kedelig.

Genvejstast, ikke et vindue. Keebye bor i menulinjen og lytter efter en genvejstast, du kan holde eller trykke på (højre ⌘ som standard; Fn og højre ⌥ er de andre muligheder, og Esc annullerer en igangværende diktering). Der er intet appvindue at åbne og ingen tilstand at gå ind i. Hold, tal, slip. Det betyder mere, end det lyder: et dikteringsværktøj, der kræver sit eget vindue, er bare endnu en bane.

Indsættelse i det fokuserede felt. Transskriptionen indsættes, hvor din markør er. Som standard er det en indsættelse fra udklipsholderen, med terminalbevidst opdeling, så en lang prompt ikke løber en shell over ende. Kører du agenter inde i tmux eller over SSH, hvor indsættelse opfører sig dårligt, findes der en tilvalgt tastetilstand, som i stedet injicerer teksten som Unicode-tastetryk; Diktering, der overlever terminalen forklarer, hvornår du skal skifte.

Batch, ikke streaming. Keebye transskriberer, når du slipper tasten, som én ytring. Du ser ikke ord dukke op, mens du taler. Til at prompte er det den rigtige afvejning: du vil have hele sætningen til at lande på én gang, ryddet op, i stedet for at se den blive til ord for ord, mens agentens input allerede indeholder en halv tanke.

Alt on-device. Transskriptionen kører lokalt (en engelsk-tunet standardmodel, eller en model med 25 sprog, hvis du vælger den til). Efter modeldownloadet virker det med Wi-Fi slået fra. Til at prompte agenter handler det mindre om privatlivsteater og mere om latenstid: der er ingen tur-retur, så en kort prompt er klar næsten i samme øjeblik, du slipper tasten.

En rytme for banskift

Det workflow, der endte med at sidde fast, har tre vaner.

Øjnene bliver på den bane, der kræver dømmekraft. I ethvert øjeblik er der én bane, hvor din opmærksomhed hører hjemme, som regel en diff eller et testoutput. Det er den bane, du læser. De andre får kun korte mundtlige instruktioner. Når bane to skal have en beslutning, kigger du over, klikker ind i dens input, holder tasten nede, siger beslutningen, slipper og klikker tilbage. Klikket er den eneste mekaniske omkostning; selve sætningen er gratis.

Prompts siges som hele sætninger. Agenter håndterer hele sætninger bedre end telegrafiske fragmenter, og diktering producerer hele sætninger naturligt, fordi det er sådan, folk taler. "Rul skemaændringen tilbage, men behold API-omdøbningen, kør så migreringen igen og vis mig outputtet" er en fin talt prompt. Den er en kedelig tastet en.

Fyldord ryger, betydningen gør ikke. Keebyes oprydning er regelbaseret som standard: den fjerner "øh", "altså" og det gentagne ord og lader dine formuleringer være. Der findes en tilvalgt lokal LLM-finpudsning on-device, med en trofasthedskontrol bag sig, som falder tilbage til den bogstavelige transskription, når den finpudsede version viser alvorligt tokentab, opsvulmning eller gentagelse. Den kontrol er en heuristik, ikke et semantisk tjek: den verificerer ikke, at den finpudsede tekst bevarede din betydning eller en benægtelse. Til at prompte en agent lader de fleste finpudsningen være slået fra; en bogstavelig transskription er præcis det, du sagde, og det er det, du vil have agenten til at køre.

Hvad stemmen er god til, bane for bane

Ikke hver prompt vil siges. Efter et par måneder ser fordelingen sådan her ud.

Omdirigeringer og fortsættelser: altid stemme. "Kør videre." "Nej, den anden config." "Tilføj en test for det tomme tilfælde og kør igen." Det er de hyppigste prompts i en parallel session, og de er alle ét åndedrag lange.

Feedback på review: mest stemme. At læse en diff og fortælle, hvad der er galt med den, er naturligt. "Retry-løkken sluger fejlen, log den før sleep, og sæt et loft på fem forsøg." Diktering fanger det i taletempo, mens dine øjne bliver på koden.

Indledende opgavebriefs: blandet. En lang, struktureret brief med filstier og begrænsninger har stadig gavn af at blive tastet — eller af at blive dikteret groft og derefter redigeret. Stemmen er fin til prosaen; præcise identifikatorer er nemmere at taste. Den brugerdefinerede ordbog hjælper her: tilføj dit projekts modulnavne og tilbagevendende jargon én gang, så holder de op med at blive transskriberet som det nærmeste engelske ord.

Alt med kode: tastet. At diktere et regulært udtryk er en dårlig oplevelse. Diktér instruktionen ("skriv et regulært udtryk, der matcher versionsheaderen"), ikke artefaktet.

Ærlige begrænsninger

Nogle er Keebyes; nogle er kategoriens.

Latenstid ved første diktering. Mikrofonen varmer op efter sessionens første diktering og holder derefter en pre-roll på 500 ms. Dagens allerførste hold kan betale en omkostning for at starte strømmen, og et ord sagt, før bufferen var i gang, kan blive klippet. Hvorfor dikteringsapps æder dit første ord dækker mekanikken.

Præcision på identifikatorer. Variabelnavne i snake_case og interne forkortelser er dér, hvor enhver talemodel kæmper. Ordbogen mindsker det, men fjerner det ikke. Læs prompten, før du trykker retur på noget destruktivt.

Sikre felter. Keebye nægter at indsætte i adgangskodefelter og sikre inputfelter. Det er tilsigtet og af og til ubelejligt, når en terminalprompt beder om en adgangssætning.

Ingen stemmekommandoer. Der er ikke noget "ny linje"- eller "markér alt"-ordforråd. Keebye er et dikteringsværktøj, ikke et lag til stemmestyring. Navigation mellem baner er stadig et klik eller en tastaturgenvej.

Kun macOS. Windows-builden er ikke udgivet.

Hvor du går videre

Bor dine agenter mest i én editor, har guiderne til Cursor og Claude Code detaljerne for hvert værktøj. Vælger du mellem dikteringsapps til det her workflow, er Keebye vs Superwhisper en ærlig sammenligning, der også siger, hvor Superwhisper passer bedre.

Den korte version af alt ovenstående: parallelle agenter har ikke brug for, at du taster hurtigere. De har brug for, at du holder op med at være det langsomste hop mellem dem. Hold øjnene på den bane, der kræver dømmekraft, og tal til resten.