Üks hääl, kümme rada: üks päev dikteerimisega

Kaks last, kolm startup'i, üks hääl rääkis tekkeloo: paralleelsed kõrge panusega startup-rajad, alla kuue kuu vanune teine laps ja klaviatuur, millest oli vaikselt saanud kõige ainus rikkepunkt. See postitus selgitas, miks Keebye olemas on. Inimesed küsisid aga edasi midagi praktilisemat: milline üks päev päriselt välja näeb?

Nii et siin see päev on. Mitte tüüpiline päev, sest sellist asja pole olemas, aga päris kuju, mis kordub. Väldin numbreid meelega. Ma pole kunagi mõõtnud protsendilist paranemist ja ma ei usaldaks seda ka siis, kui oleksin. Kirjeldada oskan seda, kus häälekanalit kasutatakse, kus mitte, ja mis muutus töö tekstuuris.

Märkus „kümne raja“ kohta. See pole hooplemine. Rada on kõik, mis liigub edasi ühe lause peale minu käest: pooleli ülesandega kodeerimisagent, koodiülevaatus, mida keegi ootab, Slacki lõim, kiri investori juristile, dokumendi mustand. Kiirel päeval ongi neid umbes nii palju avatud. Enamik neist on igal hetkel jõude. Probleem on selles, et need, mis ärkavad, teevad seda oma, mitte minu graafiku järgi.

Varahommik: üks käsi, kolm agenti

Päev algab enne maja ärkamist, mis tähendab, et see algab beebiga ühel käel. See on tund, mil hääl muutus mugavusest hädavajaduseks.

Kolm agendirada käivad juba eelmisest õhtust, igaüks oma terminalis, igaüks eri repos. Esimese asjana loen läbi, mida nad tegid. Lugemiseks on vaja silmi, mitte käsi, nii et beebiga on kõik korras. Teine asi on suunata ümber need, mis läksid viltu — ja just seal jäi klaviatuur alla.

Nüüd: klõpsan terminali, hoian all paremat Command'i, ütlen paranduse, lasen lahti. „Migratsioon on korras, aga sa nimetasid tabeli ümber mudelis, mitte seemnescriptis. Paranda seemnescript ja jooksuta testid uuesti.“ Tekst maandub prompti. Enter. Järgmine rada.

Mul on üks väike harjumus, mille õppimine võttis aega: räägi täislausetes. Agendid saavad nendega paremini hakkama ja dikteerimine toodab neid loomulikult, sest just nii inimesed räägivad. Telegraafistiil, mida varem tippisin („paranda seeme, jooksuta testid“), oli klaviatuuri artefakt, mitte eelistus.

See tund toob välja ka ainsa esimese dikteerimise iseärasuse, mida tasub teada. Mikrofon soojeneb pärast sessiooni esimest dikteerimist ja hoiab sealt edasi 500 ms eelpuhvrit. Hommiku kõige esimene hoidmine võib maksta voo käivitamise hinna ja lõigata sõna ära, kui hakkan liiga vara rääkima. Olen õppinud hetke ootama. Miks dikteerimisrakendused su esimese sõna ära söövad selgitab mehaanikat; lühidalt on see kogu kategooria probleem, millel on osaline, mitte lõplik lahendus.

Hilishommik: ülevaatuste rada

Kahel startup'il, kellega töötan, on enamikul hommikutel mind ootamas koodiülevaatused. Ülevaatus on parim võimalik dikteerimise kasutuslugu: see on lugemine harva vahele tuleva lühikese proosaväljundiga, ja see proosa on adresseeritud inimesele.

Loen diff'i brauseri vahekaardil. Kui midagi vajab kommentaari, klõpsan kasti, hoian, räägin, lasen lahti. Oma sõnastik kannab projekti identifikaatoreid, nii et reconnectBackoff tuleb välja kui reconnectBackoff, mitte kolme ingliskeelse sõnana. Puhastus on vaikimisi reeglipõhine: täitesõnad ja korduvad sõnad kaovad, minu sõnastus jääb. Valikulise kohaliku LLM-i lihvi hoian ülevaatuskommentaaride juures väljas, sest selle taga olev truudusevalvur on heuristika tõsise tokenikao, paisumise või kordumise vastu, mitte garantii, et eitus jäi alles — ja ülevaatuses muudab ümberpööratud „ei“ kogu otsust.

Üks neist meeskondadest teeb ülevaatusi rumeenia keeles. Keebye 25 keele mootor tuleb sellega seadmes toime; kinnitan keele menüüribal ja järgmine lausung dekodeeritakse rumeenia keeles, ingliskeelsed identifikaatorid kaasa arvatud. Dikteeri koodiülevaatused omas keeles sisaldab üksikasju, sealhulgas ausat loetelu sellest, millised keeled on kaetud ja millised mitte.

Hommikupoole lõpp: inimeste rajad

Iga rada pole agent. Umbes praegu vajavad vastust Slacki lõimed ja kirjad, mis öö jooksul vanaks jäid, ja just siin kaotas päev varem vaikselt tunde. Mitte sellepärast, et vastamine oleks raske, vaid sellepärast, et iga vastus tähendas raja hülgamist, ja rajale naasmisel on oma hind.

Hääl muutis vastuse majanduslikku loogikat. Kaherealine Slacki vastus on üks klahvihoidmine, räägitud sõnumikasti sel ajal, kui mu silmad on veel poolenisti kõrvalasuval terminalil. Investoritega seotud kirjad on pikemad ja neid kirjutan endiselt hoolikalt, aga esimene mustand sünnib nüüd rääkides ja seejärel toimetades. Mustandi rääkimine paneb kuju kiiresti paika; selle tippides toimetamine on koht, kust tuleb täpsus.

See on ka tund, kus privaatsusnõue kaalub kõige rohkem. See, mida ma siin dikteerin, on teiste ettevõtete sisemus: väljalaskmata tooted, turvaarutelud, raha. Keebye transkribeerib seadmes, töötab pärast mudeli allalaadimist ka Wi-Fi väljas, hoiab kohalikku ainult teksti sisaldavat ajalugu, mis kustutab end 30 päeva pärast, ega saada telemeetriat. Kuhu su hääl läheb on pikem versioon sellest, miks see minu jaoks polnud läbiräägitav.

Pärastlõuna: süvatöö ja rajad, mis ärkavad

Pärastlõunad on selle raja jaoks, mis nõuab päris mõtlemist: disain, raske viga, dokument, mis peab olema õige. See tipitakse. Hääl on juhtimiskanal, mitte mõtlemiskanal, ja raske probleem ei muutu kergemaks sellest, et ta välja öeldakse.

Aga teised rajad ei tea, et on süvatöö aeg. Agent lõpetab ja küsib küsimuse. Ülevaataja vastab mu kommentaarile vastuargumendiga. Varem oli igaüks neist otsus: katkesta fookus ja vaheta akent või lase asjal vananeda. Nüüd on enamik neist üks pilk ja üks lause. Heidan pilgu agendi küsimusele, klõpsan sisse, ütlen „jah, aga hoia vana endpoint elus, kuni klient välja tuleb“, klõpsan tagasi. Süvatöö aken jääb enam-vähem terveks, sest katkestus on paar sekundit kõnet, mitte täielik kontekstivahetus kellegi teise probleemi.

Tahan siin täpne olla. Hääl ei tee katkestusi tasuta. Ta teeb vastamise mehaanilise hinna nii väikeseks, et alles jääb ainult mõtlemise hind — mis nagunii oli kogu aeg see päris hind.

Õhtu: terminalirohke rada

Üks startup'idest teeb suure osa oma operatsioonitööst SSH kaudu, tmux'is, serverites, kus lõikelaualt kleepimist kui mõistet lihtsalt pole. Just siin dikteerimistööriistad tavaliselt kukuvad, sest enamik neist lisab teksti kleepides.

Ka Keebye kleebib vaikimisi, shellide jaoks terminaliteadliku tükeldamisega. SSH ja tmux'i jaoks lülitan sisse valikulise tippimisrežiimi, mis sisestab teksti Unicode-klahvivajutustena, selle asemel et lõikelauale toetuda. See töötab ka mitte-QWERTY paigutustega, mis loeb ühe masina rumeenia klaviatuuri puhul. Dikteerimine, mis elab terminali üle katab seadistuse ja terminalijuhend katab kompromissid.

Keebye keeldub ka turvalistesse sisestusväljadesse kirjutamast, nii et kui server küsib paroolifraasi, ei tee kiirklahv midagi. Aeg-ajalt tüütu ja täiesti õige.

Mis ei muutunud

Selline päev võib kõlada nii, nagu oleks hääl lahendanud liiga paljude radade probleemi. Ei lahendanud. See lahendas ühe konkreetse pudelikaela: füüsilise hinna, mis kaasneb ühe lause toimetamisega sinna rajale, kus seda vaja on. Kõik ülejäänu on samamoodi.

Mõtlemine on raske töö juures ikka pudelikael. Lugemine võtab ikka nii kaua, kui võtab. Agendid lähevad ikka viltu ja vajavad ikka ümbersuunamist, ja pomisetud juhised annavad pomiseva tulemuse, olgu need räägitud või tipitud. Hääl on käte täiendus, mitte asendus; ma tipin küllaga, lihtsalt enam mitte ainsa kitsaskohana, mille taga iga rada ootab.

Ja rakendusel on varajase tarkvara krobelised servad. Identifikaatoreid kuuldakse valesti. Päeva esimene sõna vahel lõigatakse ära. Häälkäskluste sõnavara pole, nii et akende vahel liikumine on ikka klõps. See töötab ainult macOS-il.

Asja kuju

Vana pilt 10x arendajast oli üks inimene, kes tipib kiiremini. Pilt, mis päriselt saabus, on üks inimene, kes dirigeerib: mitu rada, osa automatiseeritud ja osa inimlikud, igaüks ühte lauset ootamas. Selles maailmas ei ole võimendus tippimiskiirus. See on see, kui odavalt suudad toimetada oma kavatsuse rajale, mis seda vajab, ükskõik millises füüsilises olukorras sa parasjagu oled — kaasa arvatud üks käsi täis.

Kui su päev on sellise kujuga, on arendajate juhend praktiline lähtepunkt, ja kui kaalud selle jaoks dikteerimisrakendusi, on Keebye alternatiivid aus võrdlus, mis ütleb, kus igaüks neist paremini sobib. Prooviperiood on 14 päeva ja algab esimesel töölauale sisselogimisel, nii et üks päris nädal radu on täpselt see, milleks ta mõeldud on.