Yksi ääni, kymmenen kaistaa: päivä sanelua

Kaksi lasta, kolme startupia, yksi ääni kertoi alkutarinan: rinnakkaisia kovan panoksen startup-kaistoja, alle puolivuotias toinen lapsi ja näppäimistö, josta oli hiljaa tullut kaiken yksittäinen vikapiste. Se kirjoitus selitti, miksi Keebye on olemassa. Ihmiset kysyivät jatkuvasti käytännöllisempää kysymystä: miltä päivä oikeasti näyttää?

Tässä siis se päivä. Ei tyypillinen päivä, koska sellaista ei ole, mutta todellinen muoto, joka toistuu. Aion tarkoituksella välttää numeroita. En ole koskaan mitannut prosentuaalista parannusta enkä luottaisi sellaiseen vaikka olisin. Se minkä voin kuvata on, missä äänikanavaa käytetään, missä ei, ja mikä työn tuntumassa muuttui.

Huomautus ”kymmenestä kaistasta”. Se ei ole kerskailua. Kaista on mikä tahansa, joka etenee yhdellä lauseella minulta: kesken tehtävän oleva koodausagentti, koodikatselmointi jota joku odottaa, Slack-ketju, sähköposti sijoittajan juristille, dokumenttiluonnos. Kiireisenä päivänä niitä on oikeasti auki suunnilleen sen verran. Useimmat ovat kunakin hetkenä lepotilassa. Ongelma on, että ne jotka heräävät, heräävät omalla aikataulullaan, eivät minun.

Aikainen aamu: yksi käsi, kolme agenttia

Päivä alkaa ennen kuin talo herää, mikä tarkoittaa että se alkaa vauva toisella käsivarrella. Tämä on se tunti, jolloin ääni muuttui mukavuudesta välttämättömyydeksi.

Kolme agenttikaistaa on ollut käynnissä jo edellisillasta, kukin omassa terminaalissaan, kukin eri repositoriossa. Ensimmäinen asia jonka teen on lukea mitä ne tekivät. Lukeminen vaatii silmiä, ei käsiä, joten vauva on ihan hyvin. Toinen asia on ohjata uudelleen ne, jotka menivät sivuraiteille, ja siinä näppäimistö ennen hävisi.

Nyt: klikkaa terminaaliin, pidä oikeaa Commandia pohjassa, sano uudelleenohjaus, päästä irti. ”Migraatio on kunnossa, mutta nimesit taulun uudelleen mallissa etkä seed-skriptissä. Korjaa seed ja aja testit uudelleen.” Teksti laskeutuu promptiin. Enter. Seuraava kaista.

Minulla on pieni tapa, jonka oppiminen vei aikansa: puhu kokonaisin lausein. Agentit pärjäävät niiden kanssa paremmin, ja sanelu tuottaa niitä luonnostaan, koska ihmiset puhuvat niin. Sähkösanomatyyli, jota ennen kirjoitin (”korjaa seed, aja testit”), oli näppäimistön aiheuttama artefakti, ei mieltymys.

Tämä tunti paljastaa myös sen yhden ensimmäisen sanelun erikoisuuden, joka kannattaa tietää. Mikrofoni lämpenee istunnon ensimmäisen sanelun jälkeen ja pitää siitä eteenpäin 500 ms:n esipuskurin. Aamun aivan ensimmäinen painallus voi maksaa virran käynnistyskustannuksen ja leikata sanan, jos aloitan puhumisen liian aikaisin. Olen oppinut pitämään tauon. Miksi sanelusovellukset syövät ensimmäisen sanasi selittää mekaniikan; lyhyt versio on, että kyse on kategorian ongelmasta, jolla on osittainen korjaus, ei ratkaistusta asiasta.

Aamupäivä: katselmointikaista

Kahdella startupilla, joiden kanssa työskentelen, on useimpina aamuina koodikatselmointeja minua odottamassa. Katselmointi on paras mahdollinen sanelun käyttötapaus: se on lukemista, jossa on satunnaista lyhyttä proosatuotosta, ja proosa on osoitettu ihmiselle.

Luen diffiä selainvälilehdellä. Kun jokin vaatii kommentin, klikkaan kenttään, pidän pohjassa, puhun, päästän irti. Oma sanakirja kantaa projektin tunnisteet, joten reconnectBackoff tulee ulos muodossa reconnectBackoff eikä kolmena englanninkielisenä sanana. Siivous on oletuksena sääntöpohjaista: täytesanat ja toistetut sanat lähtevät, sanamuotoni jää. Pidän valinnaisen paikallisen LLM-viimeistelyn pois päältä katselmointikommenteissa, koska sen takana oleva tarkkuusvartija on heuristiikka vakavaa tokenikatoa, paisumista tai toistoa vastaan, ei takuu siitä että kielto säilyi — ja katselmoinnissa kääntynyt ”ei” muuttaa lopputuloksen.

Yksi näistä tiimeistä katselmoi romaniaksi. Keebyen 25 kielen moottori hoitaa sen laitteella; kiinnitän kielen valikkorivin valikosta ja seuraava lausuma dekoodataan romaniana, englanninkieliset tunnisteet mukaan lukien. Sanele koodikatselmoinnit omalla kielelläsi sisältää yksityiskohdat, mukaan lukien rehellisen listan siitä, mitkä kielet katetaan ja mitkä eivät.

Myöhäinen aamupäivä: ihmiskaistat

Jokainen kaista ei ole agentti. Suunnilleen nyt Slack-ketjut ja sähköpostit, jotka vanhenivat yön yli, tarvitsevat vastauksia, ja tässä päivä ennen hiljaa menetti tunteja. Ei siksi että vastaukset olisivat vaikeita, vaan siksi että jokainen vastaus tarkoitti kaistalta poistumista, ja kaistalta poistumisella on paluukustannus.

Ääni muutti vastaamisen taloutta. Kahden lauseen Slack-vastaus on yksi pikanäppäimen painallus, puhuttuna viestikenttään silmien ollessa yhä puoliksi viereisessä terminaalissa. Sijoittajapuolen sähköpostit ovat pidempiä ja kirjoitan ne edelleen huolella, mutta ensimmäinen luonnos on nyt puhuttu ja sitten muokattu. Luonnoksen puhuminen saa muodon nopeasti paperille; kirjoittamalla muokkaaminen on se, mistä täsmällisyys tulee.

Tämä on myös se tunti, jolloin yksityisyysvaatimus merkitsee eniten. Se mitä sanelen täällä, on toisten ihmisten yritysten sisäpuolta: julkaisemattomia tuotteita, tietoturvakeskusteluja, rahaa. Keebye litteroi laitteella, toimii Wi-Fi pois päältä mallin latauksen jälkeen, pitää paikallisesti pelkkää tekstiä sisältävää historiaa joka poistaa itsensä 30 päivän jälkeen, eikä lähetä telemetriaa. Minne äänesi menee on pidempi versio siitä, miksi tämä ei ollut minulle neuvoteltavissa.

Iltapäivä: syvätyö ja kaistat jotka heräävät

Iltapäivät ovat sille kaistalle, joka vaatii oikeaa ajattelua: suunnittelu, vaikea bugi, dokumentti jonka on oltava oikein. Tämä kirjoitetaan. Ääni on ohjauskanava, ei ajattelukanava, eikä vaikea ongelma helpotu puhumisesta.

Mutta muut kaistat eivät tiedä että on syvätyön aika. Agentti saa valmista ja kysyy jotain. Katselmoija vastaa kommenttiini vasta-argumentilla. Ennen jokainen näistä oli päätös: katkaise keskittyminen ja vaihda ikkunaa, tai anna asian vanheta. Nyt useimmat niistä ovat vilkaisu ja lause. Vilkaise agentin kysymystä, klikkaa sisään, sano ”kyllä, mutta pidä vanha päätepiste elossa kunnes asiakas julkaisee”, klikkaa takaisin. Syvätyön ikkuna pysyy enimmäkseen ehjänä, koska keskeytys on muutaman sekunnin puhetta eikä täysi kontekstinvaihto jonkun toisen ongelmaan.

Haluan olla täsmällinen väitteen suhteen. Ääni ei tee keskeytyksistä ilmaisia. Se tekee vastaamisen mekaanisesta kustannuksesta niin pienen, että jäljelle jäävä kustannus on pelkkä ajatus, joka oli aina se todellinen kustannus.

Ilta: terminaalipainotteinen kaista

Yksi startupeista ajaa suuren osan operatiivisesta työstään SSH:n yli, tmuxissa, palvelimilla joilla leikepöydältä liittämistä ei ole olemassa käsitteenäkään. Tässä sanelutyökalut yleensä kaatuvat, koska useimmat niistä syöttävät tekstin liittämällä.

Keebye liittää oletuksena sekin, terminaalitietoisella paloittelulla komentotulkkeja varten. SSH:ta ja tmuxia varten kytken päälle valinnaisen kirjoitustilan, joka syöttää tekstin Unicode-näppäinpainalluksina leikepöytään turvautumisen sijaan. Se toimii ei-QWERTY-asettelujen kanssa, millä on väliä yhden koneen romanialaisen näppäimistön takia. Sanelu, joka selviää terminaalista käsittelee asennuksen ja terminaaliopas vaihtokaupat.

Keebye myös kieltäytyy syöttämästä suojattuihin syötekenttiin, joten kun palvelin kysyy salalausetta, pikanäppäin ei tee mitään. Se on toisinaan ärsyttävää ja täysin oikein.

Mikä ei muuttunut

Tällaisen päivän voi lukea niin kuin ääni olisi ratkaissut liian monen kaistan ongelman. Ei ratkaissut. Se ratkaisi yhden tietyn pullonkaulan: fyysisen kustannuksen lauseen toimittamisesta sille kaistalle, joka sitä tarvitsi. Kaikki muu on ennallaan.

Ajattelu on edelleen pullonkaula vaikeassa työssä. Lukeminen kestää edelleen niin kauan kuin kestää. Agentit menevät edelleen sivuraiteille ja tarvitsevat edelleen uudelleenohjausta, ja epämääräisesti mutistu uudelleenohjaus tuottaa epämääräisen tuloksen, oli se puhuttu tai kirjoitettu. Ääni on käsien täydennys, ei korvaaja; kirjoitan paljon, mutta en enää sinä yhtenä kapeikkona, jonka takana jokainen kaista jonottaa.

Ja sovelluksessa on varhaisen ohjelmiston karheat reunat. Tunnisteita kuullaan väärin. Päivän ensimmäinen sana joskus leikkautuu. Äänikomentosanastoa ei ole, joten ikkunoiden välillä navigointi on edelleen klikkaus. Se toimii vain macOS:llä.

Asian muoto

Vanha kuva 10x-kehittäjästä oli yksi ihminen kirjoittamassa nopeammin. Kuva joka oikeasti saapui, on yksi ihminen johtamassa: useita kaistoja, osa automatisoituja ja osa inhimillisiä, kukin odottamassa lausetta. Siinä maailmassa vipuvoima ei ole kirjoitusnopeus. Se on se, kuinka halvalla voit toimittaa aikomuksesi sille kaistalle joka sitä tarvitsee, missä tahansa fyysisessä tilanteessa olet — myös toinen käsi täynnä.

Jos päiväsi on tämän muotoinen, kehittäjien opas on käytännön aloituspiste, ja jos punnitset sanelusovelluksia siihen, Keebye-vaihtoehdot on rehellinen vertailu, joka kertoo missä kukin sopii paremmin. Kokeilu on 14 päivää ja alkaa ensimmäisestä työpöytäsovelluksen kirjautumisestasi, joten todellinen viikko kaistoja on tasan se, mihin se on tarkoitettu.