Promptide dikteerimine paralleelsetele agentidele

Kui jooksutad esimest korda kahte kodeerimisagenti kõrvuti, tundub midagi paigast ära, ja läheb aega, enne kui oskad seda nimetada. Kumbki agent on kiire. Kumbki eraldi oleks selge võit. Koos peaksid nad olema kahekordne võit. Selle asemel on päev killustatum kui ühe agendiga ja pärastlõuna lõpeb väiksema valmis saanud hulgaga, kui ootasid.

Põhjus ei ole agendid. Põhjus on sisendi kuju, mida nad vajavad. Kodeerimisagent töötab proosa peal: „poolita käsitleja, jäta avalik signatuur alles, lisa test timeout-i haru jaoks“. Proosat on odav mõelda ja kallis kohale toimetada, sest kohale toimetamine tähendab käte ja tähelepanu paigutamist õigesse aknasse õigel hetkel. Ühe agendiga langeb see hetk kokku su loomuliku rütmiga. Kolmega saabuvad hetked siis, kui nad saabuvad, ja iga üks neist katkestab selle, mille keskel sa parasjagu olid.

See lugu on kohaletoimetamise, mitte mõtlemise probleemist. See on praktiline töövoog promptide dikteerimiseks paralleelsetele agendiradadele Macis, koos ausate piiridega. Kui sa ei ole lugenud lugu Claude Code’i juhtimine häälega, siis see katab üherajalise põhitõed; siin eeldatakse, et jooksutad juba rohkem kui üht.

Miks paralleelsed rajad karistavad just trükkimist

Promptil on kolm kulu: selle sõnastamine, kohale toimetamine ja pärast taastumine. Sõnastamine on paratamatu ja toimub enamasti peas. Kohale toimetamine tähendab trükkides fookuse viimist agendi terminali, sisendrea leidmist, neljakümne kuni kaheksakümne sõna trükkimist ja Enterit. Taastumine tähendab naasmist selle juurde, mida sa tegid enne, kui agent küsimuse esitas.

Ühe rajaga on kohaletoimetamise kulu väike, sest sa vaatasid seda terminali niikuinii. Paralleelsete radadega ei vaata sa peaaegu kunagi. Rada üks küsib küsimuse, kui sa loed raja kaks diffi. Küsimus on lihtne, vastus on üks lause. Aga vastamine tähendab diffist lahkumist, ja kui tagasi tuled, loed viimased kolmkümmend rida uuesti, et leida, kus sa olid.

Korruta see iga ümbersuunamise, iga „jah, jätka“ ja iga „ei, teine fail“ arvuga, ja lisakoormus kuhjub. Paralleelsed rajad ei kuku läbi sellepärast, et agendid on aeglased. Nad kukuvad läbi sellepärast, et sinust saab sõnumisiin, ja sõnumisiin, mis peab akende vahel füüsiliselt liikuma, on kohutava latentsusega.

Hääl kaotab suurema osa kohaletoimetamise kulust. Sa hoiad silmi diffil, hoiad klahvi all, ütled lause, lased lahti. Sõnad maanduvad agendi sisendväljale. Sa ei lahkunudki.

Seadistus, mis töötab

Siin on seadistus, meelega igav.

Kiirklahv, mitte aken. Keebye elab menüüribal ja kuulab all hoitavat või puudutatavat kiirklahvi (vaikimisi parem ⌘; teised valikud on Fn ja parem ⌥, ning Esc katkestab pooleli oleva dikteeringu). Ühtegi rakenduseakent ei ole vaja avada ega ühtegi režiimi sisse minna. Hoia, räägi, lase lahti. See loeb rohkem, kui kõlab: dikteerimistööriist, mis vajab oma akent, on lihtsalt üks rada juurde.

Sisestus fookuses olevasse välja. Transkriptsioon sisestatakse sinna, kus su kursor on. Vaikimisi on see kleepimine, terminaliteadliku tükeldamisega, et pikk prompt shelli üle ei ujutaks. Kui jooksutad agente tmuxi sees või üle SSH, kus kleepimine käitub halvasti, on olemas valikuline trükkimisrežiim, mis süstib teksti Unicode’i klahvivajutustena; dikteerimine, mis peab terminalis vastu selgitab, millal see sisse lülitada.

Partiipõhine, mitte vooglev. Keebye transkribeerib klahvi lahtilaskmisel, ühe lausungina. Sa ei näe sõnu ilmumas, kui räägid. Promptimise jaoks on see õige kompromiss: sa tahad, et terve lause maanduks korraga ja puhtana, mitte et see sõnahaaval materialiseeruks, samal ajal kui agendi sisendis on juba pool mõtet.

Kõik seadmes. Transkribeerimine töötab lokaalselt (vaikimisi inglise keelele häälestatud mudel või 25-keelne mudel, kui selle sisse lülitad). Pärast mudeli allalaadimist töötab see väljalülitatud Wi-Figa. Agentide promptimisel ei ole see niivõrd privaatsusteater kui latentsus: edasi-tagasi käiku ei ole, nii et lühike prompt on valmis peaaegu kohe, kui klahvi lahti lased.

Rajavahetuse rütm

Töövoog, mis lõpuks külge jäi, koosneb kolmest harjumusest.

Silmad jäävad rajale, mis vajab otsustust. Igal hetkel on üks rada, kuhu su tähelepanu kuulub, tavaliselt diff või testide väljund. Seda rada sa loed. Ülejäänud saavad ainult lühikesi suulisi juhiseid. Kui rada kaks vajab otsust, viskad pilgu peale, klõpsad selle sisendisse, hoiad klahvi all, ütled otsuse, lased lahti ja klõpsad tagasi. Klõps on ainus mehaaniline kulu; lause ise on tasuta.

Promptid räägitakse täislausetena. Agendid saavad täislausetega paremini hakkama kui telegraafiliste katketega, ja dikteerimine toodab täislauseid loomulikult, sest nii inimesed räägivad. „Võta skeemimuudatus tagasi, aga jäta API ümbernimetamine alles, siis jooksuta migratsioon uuesti ja näita mulle väljundit“ on hea räägitud prompt. Trükituna on see tüütu.

Parasiitsõnad kaovad, tähendus mitte. Keebye puhastus on vaikimisi reeglipõhine: see eemaldab „um“-i, „öö“ ja korduva sõna ning jätab su sõnastuse rahule. Sujuvamate lausete jaoks on olemas valikuline seadmesisene kohaliku LLM-i viimistlus, mille taga on täpsuskaitse, mis taandub sõnasõnalisele transkriptsioonile, kui viimistletud versioon näitab tõsist tokenikadu, paisumist või kordamist. See kaitse on heuristika, mitte tähenduse kontroll: see ei kinnita, et viimistletud tekst säilitas su mõtte või eituse. Agendi promptimisel jätab enamik inimesi viimistluse välja; sõnasõnaline transkriptsioon on täpselt see, mida sa ütlesid, ja seda sa tahadki agendile käivitada anda.

Milleks hääl rajaviisi hea on

Iga prompt ei taha olla räägitud. Mõne kuu järel on jaotus umbes selline.

Ümbersuunamised ja jätkud: alati hääl. „Jätka.“ „Ei, teine konfiguratsioon.“ „Lisa test tühja juhtumi jaoks ja jooksuta uuesti.“ Need on paralleelse seansi kõige suurema mahuga promptid ja kõik on ühe hingetõmbe pikkused.

Ülevaatuse tagasiside: enamasti hääl. Diffi lugemine ja selle jutustamine, mis sellega valesti on, on loomulik. „Korduse tsükkel neelab vea alla, logi see enne uinakut ja piira katsed viiega.“ Dikteerimine püüab selle kõnetempos kinni, samal ajal kui su silmad jäävad koodile.

Esialgsed ülesandekirjeldused: segamini. Pikk struktureeritud kirjeldus failiteede ja piirangutega võidab endiselt trükkimisest või sellest, et dikteerid toorversiooni ja toimetad selle üle. Hääl sobib proosa jaoks; täpsed identifikaatorid on lihtsam trükkida. Siin aitab kohandatud sõnastik: lisa oma projekti moodulinimed ja korduv žargoon üks kord ja need lakkavad olemast transkribeeritud lähima ingliskeelse sõnana.

Kõik, mis sisaldab koodi: trükitud. Regulaaravaldise dikteerimine on halb kogemus. Dikteeri juhis („kirjuta regulaaravaldis, mis sobitub versioonipäisega“), mitte artefakt.

Ausad piirid

Osa neist on Keebye omad, osa kogu kategooria omad.

Esimese dikteeringu latentsus. Mikrofon soojeneb pärast seansi esimest dikteeringut ja hoiab sealtpeale 500 ms pre-rolli. Päeva kõige esimene hoidmine võib maksta voo käivituskulu, ja enne puhvri käivitumist öeldud sõna võib ära lõigata. Miks dikteerimisrakendused su esimese sõna ära söövad katab mehaanika.

Täpsus identifikaatoritel. Snake_case-muutujanimed ja sisemised lühendid on koht, kus iga kõnemudel vaeva näeb. Sõnastik vähendab seda, aga ei kaota. Loe prompt läbi, enne kui vajutad Enterit millegi hävitava peal.

Turvaväljad. Keebye keeldub sisestamast parooli- ja turvasisestusväljadesse. See on tahtlik ja aeg-ajalt ebamugav, kui terminali viip küsib paroolifraasi.

Häälkäsklusi ei ole. Ei ole „uus rida“ ega „vali kõik“ sõnavara. Keebye on dikteerimistööriist, mitte häälejuhtimise kiht. Radade vahel liikumine on endiselt klõps või klahvikombinatsioon.

Ainult macOS. Windowsi versiooni ei ole välja antud.

Kuhu edasi

Kui su agendid elavad enamasti ühes redaktoris, on Cursori ja Claude Code’i juhendites tööriistapõhised üksikasjad. Kui valid selle töövoo jaoks dikteerimisrakenduste vahel, siis Keebye vs Superwhisper on aus võrdlus, mis sisaldab ka seda, kus Superwhisper paremini sobib.

Kogu ülaltoodu lühiversioon: paralleelsed agendid ei vaja, et sa kiiremini trükiksid. Nad vajavad, et sa lakkaksid olemast nendevaheline aeglaseim hüpe. Hoia silmad rajal, mis vajab otsustust, ja räägi ülejäänutega.