Promptien sanelu rinnakkaisagenteille, kaista kerrallaan

Kun ajat ensimmäistä kertaa kahta koodausagenttia rinnakkain, jokin tuntuu oudolta, ja sen nimeäminen vie hetken. Kumpikin agentti on nopea. Kumpikin yksinään olisi selvä voitto. Yhdessä niiden pitäisi olla kaksinkertainen voitto. Sen sijaan päivä tuntuu pirstaleisemmalta kuin yhdellä agentilla, ja iltapäivän päättyessä valmista on vähemmän kuin odotit.

Syy eivät ole agentit. Syy on niiden tarvitseman syötteen muoto. Koodausagentti pyörii proosalla: ”pilko käsittelijä, säilytä julkinen signatuuri, lisää testi timeout-polulle.” Proosa on halpaa ajatella ja kallista toimittaa, koska toimittaminen tarkoittaa käsien ja huomion viemistä oikeaan ikkunaan oikealla hetkellä. Yhden agentin kanssa se hetki osuu luonnolliseen rytmiisi. Kolmen kanssa hetket saapuvat silloin kun saapuvat, ja jokainen niistä keskeyttää sen, minkä keskellä olit.

Tämä kirjoitus käsittelee toimitusongelmaa, ei ajatteluongelmaa. Se on käytännön työnkulku promptien sanelemiseen rinnakkaisille agenttikaistoille Macilla, rehelliset rajat mukaan lukien. Jos et ole lukenut artikkelia Claude Coden ohjaaminen äänellä, se käsittelee yhden kaistan perusteet; tämä olettaa, että ajat jo useampaa.

Miksi rinnakkaiskaistat rankaisevat juuri kirjoittamista

Promptilla on kolme kustannusta: sen muodostaminen, sen toimittaminen ja siitä toipuminen. Muodostaminen on väistämätöntä ja tapahtuu enimmäkseen päässäsi. Toimittaminen tarkoittaa kirjoittaessa fokuksen vaihtamista agentin terminaaliin, syöterivin etsimistä, neljänkymmenen tai kahdeksankymmenen sanan kirjoittamista ja enterin painamista. Toipuminen tarkoittaa paluuta siihen, mitä teit ennen kuin agentti kysyi.

Yhdellä kaistalla toimituskustannus on pieni, koska katsoit todennäköisesti jo valmiiksi sitä terminaalia. Rinnakkaiskaistoilla et lähes koskaan katso. Kaista yksi kysyy jotain, kun luet kaistan kaksi diffiä. Kysymys on helppo; vastaus on yksi lause. Mutta siihen vastaaminen tarkoittaa diffistä poistumista, ja kun palaat, luet viimeiset kolmekymmentä riviä uudelleen löytääksesi kohdan, jossa olit.

Kerro tämä jokaisella uudelleenohjauksella, jokaisella ”kyllä, jatka” -kuittauksella, jokaisella ”ei, se toinen tiedosto” -korjauksella, ja yleiskustannus kumuloituu. Rinnakkaiskaistat eivät epäonnistu siksi, että agentit ovat hitaita. Ne epäonnistuvat siksi, että sinusta tulee viestiväylä, ja viestiväylällä, jonka pitää fyysisesti liikkua ikkunoiden välillä, on kammottava viive.

Ääni poistaa suurimman osan toimituskustannuksesta. Pidät silmäsi diffissä, pidät näppäintä pohjassa, sanot lauseen, päästät irti. Sanat laskeutuvat agentin syötekenttään. Et poistunut mihinkään.

Kokoonpano, joka toimii

Tässä kokoonpano, tarkoituksella tylsänä pidettynä.

Pikanäppäin, ei ikkunaa. Keebye asuu valikkorivillä ja kuuntelee pohjassa pidettävää tai napautettavaa pikanäppäintä (oikea Command on oletus; Fn ja oikea Option ovat muut vaihtoehdot, ja Esc peruu käynnissä olevan sanelun). Avattavaa sovellusikkunaa ei ole eikä tilaa, johon siirtyä. Pidä pohjassa, puhu, päästä irti. Tämä merkitsee enemmän kuin miltä kuulostaa: sanelutyökalu, joka tarvitsee oman ikkunansa, on vain yksi kaista lisää.

Syöttö fokusoituun kenttään. Litteraatti syötetään sinne, missä kursorisi on. Oletuksena se on liittäminen, terminaalitietoisella paloittelulla, jottei pitkä prompti ylitä komentotulkkia. Jos ajat agentteja tmuxissa tai SSH:n yli, missä liittäminen käyttäytyy huonosti, käytössä on valinnainen kirjoitustila, joka syöttää tekstin Unicode-näppäinpainalluksina; sanelu, joka selviää terminaalista kertoo, milloin se kannattaa vaihtaa.

Erissä, ei virtana. Keebye litteroi näppäimen vapautuessa, yhtenä lausumana. Et näe sanojen ilmestyvän puhuessasi. Promptaamiseen tämä on oikea vaihtokauppa: haluat koko lauseen laskeutuvan kerralla siistittynä sen sijaan, että katsoisit sen syntyvän sana kerrallaan samalla kun agentin syötteessä on jo puolikas ajatus.

Kaikki laitteella. Litterointi toimii paikallisesti (englantiin viritetty oletusmalli tai 25 kielen malli, jos otat sen käyttöön). Mallin latauksen jälkeen se toimii Wi-Fi pois päältä. Agenttien promptaamisessa kyse on vähemmän yksityisyysteatterista ja enemmän viiveestä: edestakaista matkaa ei ole, joten lyhyt prompti on valmis lähes heti kun päästät näppäimen irti.

Kaistanvaihdon rytmi

Työnkulussa, joka lopulta jäi käyttöön, on kolme tapaa.

Silmät pysyvät sillä kaistalla, joka vaatii harkintaa. Millä hetkellä tahansa yksi kaista on se, jolle huomiosi kuuluu — yleensä diffi tai testituloste. Sitä kaistaa luet. Muut saavat vain lyhyitä suullisia ohjeita. Kun kaista kaksi tarvitsee päätöksen, vilkaiset, klikkaat sen syötekenttään, pidät näppäintä pohjassa, sanot päätöksen, päästät irti ja klikkaat takaisin. Klikkaus on ainoa mekaaninen kustannus; itse lause on ilmainen.

Promptit puhutaan kokonaisina lauseina. Agentit käsittelevät kokonaisia lauseita paremmin kuin sähkösanomatyylisiä katkelmia, ja sanelu tuottaa kokonaisia lauseita luonnostaan, koska ihmiset puhuvat niin. ”Peru skeemamuutos mutta säilytä API:n uudelleennimeäminen, aja sitten migraatio uudelleen ja näytä minulle tuloste” on hyvä puhuttu prompti. Kirjoitettuna se on työläs.

Täytesanat karsiutuvat, merkitys ei. Keebyen siivous on oletuksena sääntöpohjaista: se poistaa ”um”:n, ”öö”:n ja toistetun sanan ja jättää sanamuotosi rauhaan. Tarjolla on valinnainen laitteella toimiva paikallinen LLM-viimeistely siistimpiä lauseita varten, ja sen takana on tarkkuusvartija, joka perääntyy kirjaimelliseen litteraattiin, kun viimeistelty versio osoittaa vakavaa tokenikatoa, paisumista tai toistoa. Tuo vartija on heuristiikka, ei semanttinen tarkistus: se ei todenna, että viimeistelty teksti säilytti merkityksesi tai kiellon. Agentin promptaamisessa useimmat jättävät viimeistelyn pois päältä; kirjaimellinen litteraatti on tasan se mitä sanoit, ja juuri sen haluat agentin ajavan.

Mihin ääni on hyvä, kaista kaistalta

Kaikkia prompteja ei kannata puhua. Muutaman kuukauden jälkeen jako on suunnilleen tämä.

Uudelleenohjaukset ja jatkot: aina ääni. ”Jatka.” ”Ei, se toinen konfiguraatio.” ”Lisää testi tyhjälle tapaukselle ja aja uudelleen.” Nämä ovat rinnakkaisistunnon yleisimmät promptit, ja ne ovat kaikki yhden hengenvedon mittaisia.

Katselmointipalaute: enimmäkseen ääni. Diffin lukeminen ja sen kertominen, mikä siinä on vialla, on luontevaa. ”Uudelleenyrityssilmukka nielee virheen, lokita se ennen nukkumista ja rajaa yritykset viiteen.” Sanelu vangitsee tämän puhenopeudella samalla kun silmäsi pysyvät koodissa.

Tehtävien alkuselostukset: sekalaista. Pitkä, jäsennelty selostus tiedostopolkuineen ja rajoitteineen hyötyy edelleen kirjoittamisesta tai karkean version sanelemisesta ja sen muokkaamisesta. Ääni sopii proosaan; tarkat tunnisteet ovat helpompia kirjoittaa. Oma sanakirja auttaa tässä: lisää projektisi moduulien nimet ja toistuva jargon kerran, niin ne lakkaavat litteroitumasta lähimmäksi englanninkieliseksi sanaksi.

Kaikki mikä sisältää koodia: kirjoitettuna. Säännöllisen lausekkeen saneleminen on huono kokemus. Sanele ohje (”kirjoita säännöllinen lauseke, joka osuu versio-otsakkeeseen”), ei artefakti.

Rehelliset rajat

Osa näistä on Keebyen, osa koko kategorian.

Ensimmäisen sanelun viive. Mikrofoni lämpenee istunnon ensimmäisen sanelun jälkeen ja pitää sen jälkeen 500 ms:n esipuskurin. Päivän aivan ensimmäinen painallus voi maksaa virran käynnistyskustannuksen, ja ennen puskurin kytkeytymistä sanottu sana voi leikkautua. Miksi sanelusovellukset syövät ensimmäisen sanasi käsittelee mekaniikan.

Tunnisteiden tarkkuus. Snake_case-muuttujanimet ja sisäiset lyhenteet ovat kohta, jossa mikä tahansa puhemalli kompuroi. Sanakirja vähentää tätä, mutta ei poista sitä. Lue prompti ennen kuin painat enteriä missään tuhoavassa.

Suojatut kentät. Keebye kieltäytyy syöttämästä salasana- ja suojattuihin syötekenttiin. Tämä on tarkoituksellista ja toisinaan hankalaa, kun terminaali kysyy salalausetta.

Ei äänikomentoja. Sanastoa kuten ”uusi rivi” tai ”valitse kaikki” ei ole. Keebye on sanelutyökalu, ei ääniohjauskerros. Kaistojen välinen navigointi on edelleen klikkaus tai näppäinoikotie.

Vain macOS. Windows-versiota ei ole julkaistu.

Mihin seuraavaksi

Jos agenttisi elävät enimmäkseen yhdessä editorissa, Cursor- ja Claude Code -oppaissa on työkalukohtaiset yksityiskohdat. Jos valitset sanelusovelluksia tähän työnkulkuun, Keebye vs Superwhisper on rehellinen vertailu, joka kertoo myös sen, missä Superwhisper sopii paremmin.

Lyhyt versio kaikesta yllä olevasta: rinnakkaisagentit eivät tarvitse sinua kirjoittamaan nopeammin. Ne tarvitsevat sinua lakkaamaan olemasta hitain hyppy niiden välillä. Pidä silmäsi kaistalla, joka vaatii harkintaa, ja puhu muille.