Dictar prompts a agentes en paralelo, carril a carril

La primera vez que ejecutas dos agentes de programación en paralelo algo chirría, y tardas un rato en ponerle nombre. Cada agente es rápido. Cada uno, por separado, sería una victoria clara. Juntos deberían ser el doble de victoria. En cambio el día se siente más fragmentado que con uno solo, y terminas la tarde con menos cosas acabadas de las que esperabas.

El motivo no son los agentes. Es la forma de la entrada que necesitan. Un agente de programación funciona con prosa: «divide el handler, mantén la firma pública, añade un test para la ruta de timeout». La prosa es barata de pensar y cara de entregar, porque entregarla significa poner tus manos y tu atención en la ventana correcta en el momento correcto. Con un agente, ese momento encaja con tu ritmo natural. Con tres, los momentos llegan cuando llegan, y cada uno interrumpe aquello en lo que estabas metido.

Este post trata del problema de la entrega, no del problema de pensar. Es un flujo de trabajo práctico para dictar prompts en carriles de agentes en paralelo en un Mac, con los límites honestos incluidos. Si no has leído Dirigir Claude Code con tu voz, ese post cubre lo básico de un solo carril; este da por hecho que ya ejecutas más de uno.

Por qué los carriles en paralelo castigan justamente al teclado

Un prompt tiene tres costes: formarlo, entregarlo y recuperarte después. Formarlo es inevitable y ocurre casi todo en tu cabeza. Entregarlo, cuando teclas, significa cambiar el foco a la terminal del agente, encontrar la línea de entrada, teclear de cuarenta a ochenta palabras y pulsar Enter. Recuperarte significa volver a lo que estabas haciendo antes de que el agente preguntara.

Con un solo carril el coste de entrega es pequeño, porque probablemente ya estabas mirando esa terminal. Con carriles en paralelo casi nunca lo estás. El carril uno hace una pregunta mientras tú lees el diff del carril dos. La pregunta es fácil; la respuesta es una frase. Pero responderla significa salir del diff, y cuando vuelves relees las últimas treinta líneas para encontrar por dónde ibas.

Multiplica eso por cada redirección, cada «sí, continúa», cada «no, el otro archivo», y la sobrecarga se acumula. Los carriles en paralelo no fallan porque los agentes sean lentos. Fallan porque tú te conviertes en el bus de mensajes, y un bus de mensajes que tiene que moverse físicamente entre ventanas tiene una latencia lamentable.

La voz elimina casi todo el coste de entrega. Mantienes los ojos en el diff, mantienes pulsada una tecla, dices la frase, sueltas. Las palabras aterrizan en el campo de entrada del agente. Nunca te has ido.

La configuración que funciona

Aquí va la configuración, deliberadamente aburrida.

Una hotkey, no una ventana. Keebye vive en la barra de menús y escucha una hotkey de mantener o tocar (⌘ derecha por defecto; Fn y ⌥ derecha son las otras opciones, y Esc cancela un dictado en curso). No hay ventana de app que abrir ni modo al que entrar. Mantén, habla, suelta. Esto importa más de lo que parece: una herramienta de dictado que necesita su propia ventana es solo un carril más.

Inserción en el campo con foco. La transcripción se inserta donde esté tu cursor. Por defecto es un pegado, con troceado consciente de la terminal para que un prompt largo no desborde una shell. Si ejecutas agentes dentro de tmux o sobre SSH, donde el pegado se porta mal, hay un modo de tecleo opcional que inyecta el texto como pulsaciones Unicode; dictado que sobrevive a la terminal explica cuándo cambiarlo.

Por lotes, no en streaming. Keebye transcribe al soltar la tecla, como una sola locución. No verás las palabras aparecer mientras hablas. Para prompts es el compromiso correcto: quieres que la frase entera aterrice de golpe y limpia, en lugar de verla materializarse palabra a palabra mientras el campo de entrada del agente ya tiene medio pensamiento dentro.

Todo on-device. La transcripción se ejecuta en local (un modelo por defecto afinado para inglés, o un modelo de 25 idiomas si lo activas). Tras la descarga del modelo funciona con el Wi-Fi apagado. Para dirigir agentes esto va menos de teatro de privacidad y más de latencia: no hay viaje de ida y vuelta, así que un prompt corto está listo casi en el momento en que sueltas la tecla.

Un ritmo para cambiar de carril

El flujo que acabó cuajando tiene tres hábitos.

Los ojos se quedan en el carril que exige criterio. En cualquier momento hay un carril al que pertenece tu atención, normalmente un diff o la salida de unos tests. Ese es el carril que lees. Los demás solo reciben instrucciones habladas cortas. Cuando el carril dos necesita una decisión, echas un vistazo, haces clic en su campo, mantienes la tecla, dices la decisión, sueltas y vuelves con otro clic. El clic es el único coste mecánico; la frase en sí es gratis.

Los prompts se dicen como frases completas. Los agentes manejan mejor frases enteras que fragmentos telegráficos, y el dictado produce frases enteras de forma natural, porque así habla la gente. «Revierte el cambio de esquema pero mantén el renombrado de la API, luego vuelve a ejecutar la migración y muéstrame la salida» es un buen prompt hablado. Tecleado es tedioso.

Las muletillas caen, el significado no. La limpieza de Keebye es basada en reglas por defecto: quita el «eh», el «em», la palabra repetida, y deja tu redacción en paz. Hay un pulido opcional con LLM local on-device para frases más ordenadas, respaldado por una salvaguarda de fidelidad que retrocede a la transcripción literal cuando la versión pulida muestra pérdida grave de tokens, expansión o repetición. Esa salvaguarda es una heurística, no una comprobación semántica: no verifica que el texto pulido conserve tu significado ni una negación. Para dirigir a un agente, la mayoría deja el pulido apagado; una transcripción literal es exactamente lo que dijiste, y eso es lo que quieres que el agente ejecute.

Para qué sirve la voz, carril a carril

No todos los prompts quieren ser hablados. Después de unos meses, el reparto es más o menos este.

Redirecciones y continuaciones: siempre voz. «Sigue.» «No, la otra config.» «Añade un test para el caso vacío y vuelve a ejecutarlo.» Son los prompts de mayor volumen en una sesión en paralelo y todos duran un aliento.

Comentarios de revisión: casi siempre voz. Leer un diff y narrar qué está mal en él es natural. «El bucle de reintento se traga el error, lóguealo antes del sleep y limita los intentos a cinco.» El dictado captura esto al ritmo del habla mientras tus ojos siguen en el código.

Briefings iniciales de tarea: mixto. Un briefing largo y estructurado, con rutas de archivos y restricciones, sigue beneficiándose del teclado, o de dictar una versión en bruto y luego editarla. La voz va bien para la prosa; los identificadores exactos son más fáciles tecleados. El diccionario personalizado ayuda aquí: añade una vez los nombres de módulos y la jerga recurrente de tu proyecto y dejarán de transcribirse como la palabra inglesa más cercana.

Cualquier cosa con código: tecleada. Dictar una regex es un mal rato. Dicta la instrucción («escribe una regex que haga match con la cabecera de versión»), no el artefacto.

Límites honestos

Algunos son de Keebye; otros son de la categoría.

Latencia del primer dictado. El micrófono se calienta después del primer dictado de una sesión y a partir de ahí mantiene un pre-roll de 500 ms. La primerísima pulsación del día puede pagar un coste de arranque del flujo, y una palabra dicha antes de que el búfer entrara en juego puede cortarse. Por qué las apps de dictado se comen tu primera palabra cubre la mecánica.

Precisión con los identificadores. Los nombres de variables en snake case y los acrónimos internos son donde sufre cualquier modelo de voz. El diccionario lo reduce, pero no lo elimina. Lee el prompt antes de pulsar Enter en algo destructivo.

Campos seguros. Keebye se niega a insertar en campos de contraseña y campos de entrada segura. Es intencionado y de vez en cuando incómodo, cuando lo que pide una passphrase es un prompt de terminal.

Sin comandos de voz. No hay vocabulario de «nueva línea» o «seleccionar todo». Keebye es una herramienta de dictado, no una capa de control por voz. Navegar entre carriles sigue siendo un clic o un atajo de teclado.

Solo macOS. La build de Windows no está publicada.

A dónde ir después

Si tus agentes viven sobre todo en un editor, las guías de Cursor y Claude Code tienen los detalles por herramienta. Si estás eligiendo entre apps de dictado para este flujo, Keebye vs Superwhisper es una comparación honesta que incluye dónde encaja mejor Superwhisper.

La versión corta de todo lo anterior: los agentes en paralelo no necesitan que teclees más rápido. Necesitan que dejes de ser el salto más lento entre ellos. Mantén los ojos en el carril que exige criterio y háblales al resto.