Prompts an parallele Agents diktieren, Lane für Lane

Wenn Sie zum ersten Mal zwei Coding-Agents nebeneinander laufen lassen, stimmt etwas nicht, und es dauert eine Weile, es zu benennen. Jeder Agent ist schnell. Jeder für sich wäre ein klarer Gewinn. Zusammen sollten sie der doppelte Gewinn sein. Stattdessen fühlt sich der Tag zersplitterter an als mit einem einzigen, und Sie beenden den Nachmittag mit weniger Fertigem, als Sie erwartet hatten.

Der Grund sind nicht die Agents. Es ist die Form der Eingabe, die sie brauchen. Ein Coding-Agent läuft auf Prosa: „Teile den Handler auf, behalte die öffentliche Signatur, füge einen Test für den Timeout-Pfad hinzu.“ Prosa ist billig zu denken und teuer zuzustellen, denn Zustellen heißt, Hände und Aufmerksamkeit im richtigen Moment ins richtige Fenster zu bringen. Mit einem Agent fällt dieser Moment mit Ihrem natürlichen Rhythmus zusammen. Mit drei kommen die Momente, wann sie eben kommen, und jeder unterbricht das, worin Sie gerade mitten steckten.

Dieser Beitrag handelt vom Zustellungsproblem, nicht vom Denkproblem. Er ist ein praktischer Workflow, um Prompts auf einem Mac in parallele Agent-Lanes zu diktieren, samt der ehrlichen Grenzen. Falls Sie Claude Code mit der Stimme steuern noch nicht gelesen haben: Jener Beitrag deckt die Grundlagen für eine einzelne Lane ab, dieser hier setzt voraus, dass Sie schon mehr als eine fahren.

Warum parallele Lanes speziell das Tippen bestrafen

Ein Prompt hat drei Kosten: ihn zu formulieren, ihn zuzustellen und sich danach wieder zu fangen. Das Formulieren ist unvermeidbar und passiert überwiegend im Kopf. Das Zustellen heißt beim Tippen: Fokus in das Terminal des Agents wechseln, die Eingabezeile finden, vierzig bis achtzig Wörter tippen, Return drücken. Sich wieder zu fangen heißt, zu dem zurückzukommen, was Sie taten, bevor der Agent fragte.

Bei einer einzelnen Lane sind die Zustellungskosten klein, weil Sie ohnehin schon auf dieses Terminal geschaut haben. Bei parallelen Lanes tun Sie das so gut wie nie. Lane eins stellt eine Frage, während Sie den Diff von Lane zwei lesen. Die Frage ist leicht, die Antwort ein Satz. Aber sie zu beantworten heißt, den Diff zu verlassen, und wenn Sie zurückkommen, lesen Sie die letzten dreißig Zeilen erneut, um Ihre Stelle zu finden.

Multiplizieren Sie das mit jeder Kurskorrektur, jedem „ja, weiter“, jedem „nein, die andere Datei“, und der Overhead summiert sich. Parallele Lanes scheitern nicht, weil Agents langsam sind. Sie scheitern, weil Sie zum Message-Bus werden, und ein Message-Bus, der sich körperlich zwischen Fenstern bewegen muss, hat eine schauderhafte Latenz.

Die Stimme nimmt den größten Teil der Zustellungskosten. Ihre Augen bleiben auf dem Diff, Sie halten eine Taste, sagen den Satz, lassen los. Die Wörter landen im Eingabefeld des Agents. Sie sind nie weggegangen.

Die Einrichtung, die funktioniert

Hier die Einrichtung, bewusst langweilig gehalten.

Ein Hotkey, kein Fenster. Keebye lebt in der Menüleiste und lauscht auf einen Hotkey zum Halten oder Antippen (standardmäßig die rechte ⌘-Taste; Fn und die rechte ⌥-Taste sind die anderen Optionen, und Esc bricht ein laufendes Diktat ab). Es gibt kein App-Fenster zu öffnen und keinen Modus zu betreten. Halten, sprechen, loslassen. Das zählt mehr, als es klingt: Ein Diktierwerkzeug, das sein eigenes Fenster braucht, ist nur eine weitere Lane.

Einfügen in das fokussierte Feld. Das Transkript landet dort, wo Ihr Cursor steht. Standardmäßig ist das ein Einfügen aus der Zwischenablage, mit terminalbewusster Portionierung, damit ein langer Prompt keine Shell überrennt. Wenn Ihre Agents in tmux oder über SSH laufen, wo Einfügen sich schlecht verhält, gibt es einen optionalen Typing-Modus, der den Text stattdessen als Unicode-Tastenanschläge injiziert; Diktat, das das Terminal überlebt erklärt, wann Sie umschalten sollten.

Batch, nicht Streaming. Keebye transkribiert beim Loslassen der Taste, als eine Äußerung. Sie sehen die Wörter nicht erscheinen, während Sie sprechen. Fürs Prompten ist das der richtige Kompromiss: Sie wollen, dass der ganze Satz auf einmal und bereinigt landet, statt zuzusehen, wie er Wort für Wort entsteht, während im Eingabefeld des Agents schon ein halber Gedanke steht.

Alles auf dem Gerät. Die Transkription läuft lokal (ein auf Englisch getrimmtes Standardmodell oder ein Modell mit 25 Sprachen, wenn Sie es aktivieren). Nach dem Modell-Download funktioniert sie mit ausgeschaltetem WLAN. Fürs Agenten-Prompten geht es dabei weniger um Datenschutz-Theater als um Latenz: Es gibt keinen Roundtrip, also ist ein kurzer Prompt fast in dem Moment fertig, in dem Sie die Taste loslassen.

Ein Rhythmus für den Lane-Wechsel

Der Workflow, der am Ende geblieben ist, hat drei Gewohnheiten.

Die Augen bleiben auf der Lane, die Urteilsvermögen braucht. In jedem Moment gibt es eine Lane, in die Ihre Aufmerksamkeit gehört, meist ein Diff oder eine Testausgabe. Das ist die Lane, die Sie lesen. Die anderen bekommen nur kurze gesprochene Anweisungen. Wenn Lane zwei eine Entscheidung braucht, schauen Sie hin, klicken in ihr Eingabefeld, halten die Taste, sagen die Entscheidung, lassen los und klicken zurück. Der Klick ist der einzige mechanische Aufwand; der Satz selbst ist gratis.

Prompts werden als vollständige Sätze gesprochen. Agents kommen mit ganzen Sätzen besser zurecht als mit telegrafischen Fragmenten, und Diktieren erzeugt ganze Sätze von selbst, weil Menschen so reden. „Nimm die Schemaänderung zurück, aber behalte die API-Umbenennung, dann lass die Migration noch mal laufen und zeig mir die Ausgabe“ ist ein guter gesprochener Prompt. Getippt ist er mühsam.

Füllwörter fallen weg, die Bedeutung nicht. Keebyes Bereinigung ist standardmäßig regelbasiert: Sie entfernt das „ähm“, das „äh“, das doppelte Wort und lässt Ihre Formulierung in Ruhe. Es gibt eine optionale Politur durch ein lokales LLM auf dem Gerät für aufgeräumtere Sätze, abgesichert durch eine Absicherung der Wortgetreue, die auf das wörtliche Transkript zurückfällt, wenn die polierte Version starken Token-Verlust, Aufblähung oder Wiederholung zeigt. Diese Absicherung ist eine Heuristik, keine semantische Prüfung: Sie verifiziert nicht, dass der polierte Text Ihre Bedeutung oder eine Verneinung erhalten hat. Zum Prompten eines Agents lassen die meisten die Politur aus; ein wörtliches Transkript ist genau das, was Sie gesagt haben, und genau das soll der Agent ausführen.

Wofür die Stimme gut ist, Lane für Lane

Nicht jeder Prompt will gesprochen werden. Nach einigen Monaten sieht die Aufteilung etwa so aus.

Kurskorrekturen und Fortsetzungen: immer Stimme. „Mach weiter.“ „Nein, die andere Konfiguration.“ „Füge einen Test für den leeren Fall hinzu und lass es noch mal laufen.“ Das sind die häufigsten Prompts einer parallelen Session, und sie sind alle einen Atemzug lang.

Review-Feedback: meist Stimme. Einen Diff zu lesen und zu erzählen, was daran falsch ist, ist natürlich. „Die Retry-Schleife schluckt den Fehler, logge ihn vor dem Sleep und begrenze die Versuche auf fünf.“ Das Diktat fängt das im Sprechtempo ein, während Ihre Augen auf dem Code bleiben.

Erste Aufgabenbeschreibungen: gemischt. Ein langer, strukturierter Auftrag mit Dateipfaden und Randbedingungen profitiert weiterhin vom Tippen — oder davon, eine Rohversion zu diktieren und sie dann zu bearbeiten. Für die Prosa ist die Stimme gut; exakte Identifier tippt man leichter. Das eigene Wörterbuch hilft hier: Tragen Sie die Modulnamen und den wiederkehrenden Jargon Ihres Projekts einmal ein, und sie werden nicht länger als das nächstliegende englische Wort transkribiert.

Alles mit Code: getippt. Eine Regex zu diktieren ist kein Vergnügen. Diktieren Sie die Anweisung („schreib eine Regex, die den Version-Header matcht“), nicht das Artefakt.

Ehrliche Grenzen

Manche davon sind Keebyes, manche gehören zur Kategorie.

Latenz beim ersten Diktat. Das Mikrofon läuft nach dem ersten Diktat einer Sitzung warm und hält danach einen Pre-Roll von 500 ms. Das allererste Halten des Tages kann eine Stream-Start-Latenz zahlen, und ein Wort, das gesprochen wurde, bevor der Puffer griff, kann abgeschnitten werden. Warum Diktier-Apps Ihr erstes Wort fressen behandelt die Mechanik.

Genauigkeit bei Identifiern. Snake-case-Variablennamen und interne Abkürzungen sind die Stelle, an der jedes Sprachmodell kämpft. Das Wörterbuch reduziert das, beseitigt es aber nicht. Lesen Sie den Prompt, bevor Sie bei etwas Destruktivem Return drücken.

Sichere Felder. Keebye verweigert das Einfügen in Passwort- und sichere Eingabefelder. Das ist Absicht und gelegentlich unbequem, wenn eine Terminal-Abfrage nach einer Passphrase fragt.

Keine Sprachbefehle. Es gibt kein Vokabular für „neue Zeile“ oder „alles auswählen“. Keebye ist ein Diktierwerkzeug, keine Sprachsteuerungsschicht. Die Navigation zwischen Lanes ist weiterhin ein Klick oder ein Tastaturkürzel.

Nur macOS. Der Windows-Build ist nicht ausgeliefert.

Wie es weitergeht

Wenn Ihre Agents überwiegend in einem Editor leben, haben die Leitfäden zu Cursor und Claude Code die Besonderheiten pro Werkzeug. Wenn Sie für diesen Workflow zwischen Diktier-Apps wählen, ist Keebye vs Superwhisper ein ehrlicher Vergleich, der auch sagt, wo Superwhisper besser passt.

Die Kurzfassung von allem oben: Parallele Agents brauchen nicht, dass Sie schneller tippen. Sie brauchen, dass Sie aufhören, der langsamste Sprung zwischen ihnen zu sein. Halten Sie die Augen auf der Lane, die Urteilsvermögen braucht, und sprechen Sie mit dem Rest.