Styr Claude Code med stemmen: byg i parallelle lanes

Noget vendte stille og roligt i det seneste års AI-assisterede udvikling: den langsomste del af loopet er ikke længere maskinen. Claude Code maler gladelig gennem en refaktorering i fire minutter. Cursor skriver et udkast til en testsuite, mens du kigger den anden vej. Flaskehalsen er dig — nærmere bestemt dine hænder, som kun kan være i ét vindue ad gangen.

Så snart du kører mere end én agent-lane, holder det op med at være en irritation og bliver formen på din dag. Lane ét refaktorerer auth. Lane to venter på dit review. Lane tre er en Slack-tråd, hvor en kunde beskriver en fejl dårligt. Hver eneste af de lanes rykker sig på naturligt sprog — og du producerer det naturlige sprog med ti fingre og ét vindue med fokus.

Det er det hul, stemmen udfylder. Ikke »dikter din roman«-stemme — styringskanal-stemme. Det er den del af vibecoding, ingen laver demoer af: du genererer sjældent selve koden ved at tale, du styrer de agenter, der gør det.

Prompts er prosa, og prosa går hurtigere talt

Sagen med at styre en kodeagent er, at inputtet ikke er kode. Det er instruktioner. »Tag retry-logikken ud af WebSocket-handleren, flyt den ind i sit eget modul, og gør loftet for backoff konfigurerbart.« Det kan du skrive på tyve sekunder, hvis du allerede er i vinduet, er varm i det og ikke tænker på noget andet.

Men du er aldrig i den tilstand længere. Du er midt i et review i en anden lane. Du læser agentens seneste diff. Du holder en kop kaffe. Prisen på en prompt er ikke tastetiden — det er kontekstskiftet, der skal til for at få hænder og øjne på plads til at skrive den.

At sige prompten højt får den pris til at forsvinde. Giv terminalen fokus, hold en tast nede, sig den sætning, du alligevel sagde inde i hovedet, slip. Ordene lander ved din cursor, og din lane kommer i bevægelse igen, mens din opmærksomhed vender tilbage til det, den faktisk skulle være ved.

Workflowet, helt konkret

Jeg bruger Keebye til det — det er værktøjet, jeg byggede, da det her problem åd mit arbejdsliv, og detaljerne nedenfor er dens faktiske adfærd, ikke ambitioner. Den korte tjekliste til opsætning — hotkey, indsættelsestilstand, ordbog — ligger på stemmediktering til Claude Code.

Én hotkey, holdt nede. Højre ⌘ er standarden. Hold den nede, tal, slip; den transskriberede tekst lander i det redigerbare felt, der har fokus. Til længere instruktioner slår et enkelt tryk optagelsen til, indtil du trykker igen. Esc afbryder. Der er intet vindue at åbne, og det er hele pointen — værktøjet har ingen lane af sin egen.

Skrivetilstand til terminaler. Claude Code bor i en terminal, og terminaler er fjendtlige over for indsættelse fra udklipsholderen — især over SSH eller inde i tmux. Keebye kan skrive teksten syntetisk i stedet for at indsætte den, med et terminal-bevidst tempo, så prompten ankommer, som tastetryk ville. Den ene indstilling er forskellen mellem »sød demo« og »dagligt værktøj« til agent-arbejde — hele historien om, hvorfor terminaler ødelægger indsættelse, står i Diktering, der overlever terminalen.

En ordbog til din jargon. Talemodeller kender ikke dit projekts ordforråd. En egen ordbog kortlægger det, modellen hører, til det, du mente — modulnavne, kollegers navne, »pnpm«, hvad end din kodebase får dig til at sige igen og igen.

Lokal oprydning med en afgrænset heuristik. Rå tale er fuld af »um« og falske starter. Keebye fjerner fyldord og retter tegnsætning med hurtige regler; den valgfrie polering med en lokal LLM falder tilbage efter alvorligt tokentab, udvidelse eller gentagelse. Den sikring kan ikke bevise mening eller beskytte enhver negation, så gennemgå kritiske agentinstruktioner, før du sender dem.

Og fordi al tale-til-tekst kører on-device, forlader selve prompterne — som beskriver dit uudgivne produkt i detaljer, lane for lane — aldrig maskinen.

Hvad stemmestyring faktisk er god til

Efter at have levet med det dagligt, her er en ærlig opgørelse:

Kursændringer. Agenten er færdig, og den har ret 80 % af vejen. »Behold udtrækket, men rul omdøbningen i testfilerne tilbage, og kør suiten igen.« Talt tager det tre sekunder. Det er den mest værdifulde diktering i min dag.

At sætte den næste lane i kø. Mens lane ét bygger, beskriver du den næste opgave ind i lane to. Serielle hænder, parallelt arbejde.

Prosaen omkring koden. PR-beskrivelser, commit-beskeder, Slack-svar på fejlrapporten, den mail du skylder. Giv vinduet fokus, sig det, færdig — dine hænder forlod aldrig den lane, de var i.

At tænke højt, brugbart. Nogle instruktioner bliver bedre, når de siges, fordi tale tvinger linearitet frem. Du kan ikke lave indlejrede parenteser med munden.

Hvad det ikke er

Ærlighedsafsnittet. Transskription i Keebye er batch, ikke strøm — teksten dukker op, når du slipper tasten, ikke ord for ord. Det er fint til prompts (du taler, og så lander den som én blok), men det betyder, at det her ikke er live-undertekster. Standardmodellen er tunet til engelsk; flersproget diktering er en separat engine on-device, der dækker 25 sprog — mere om, hvorfor det betyder noget, i derfor bør diktering ikke kun virke på engelsk. Og intet dikteringsværktøj gør en dårlig prompt god; stemmen fjerner friktion, ikke behovet for at tænke.

Der findes også andre gode værktøjer på området — Superwhisper og Wispr Flow er de to, vi bliver spurgt om, og vi har skrevet ærlige sammenligninger af begge: Keebye vs. Superwhisper og Keebye vs. Wispr Flow.

Hvorfor det akkumulerer

En enkelt dikteret prompt sparer sekunder. Det er ikke historien. Historien er, hvad de sekunder blokerede: hver lane, du kører, rykker sig kun, når du fodrer den, så skatten på at fodre én lane er en skat på dem alle. Skær den væk, og du holder op med at rationere din egen opmærksomhed — du tilføjer den tredje lane, du ikke kørte, fordi den føltes som for meget overhead.

Oprindelsen til det hele var mindre elegant end et essay om workflow: to børn, flere arbejdsstrømme med meget på spil og ikke hænder nok. Den historie står her — To børn, tre startups, én stemme.

Keebye er i early access til macOS. Start din gratis prøveperiode nedenfor, ret den mod din travleste lane, og prøv én konkret sekvens: gennemgå lane ét, dikter en kursændring ind i lane to, og svar så mennesket, der venter i lane tre. Stemmen styrer dem ikke samtidig; den holder hver parallel lane forsynet med færre overleveringsomkostninger.