दो बच्चे, तीन startups, एक आवाज़

मैंने जो भी टूल भेजा है, उसकी शुरुआत हमेशा एक निजी आपातकाल से हुई है। Keebye के आपातकाल के दो नाम थे, और उनमें से एक छह महीने से छोटा था।

यह रही वह स्थिति जिसमें ऐप पैदा हुआ। मैं ऊँचे दाँव वाले startups के साथ काम करता हूँ जहाँ $1M से ज़्यादा निवेश हो चुका है और भेजना मायने रखता है। कोई एक startup नहीं: कई, साथ-साथ, हर एक का अपना codebase, अपनी प्राथमिकताएँ, अपना “यह कल ही हो जाना चाहिए था।” वह काम किसी सुथरी क़तार की तरह नहीं आता। वह lanes की तरह आता है: एक में कोई migration, दूसरी में कोई समीक्षा, तीसरी में किसी incident का postmortem, और पीछे-पीछे हर lane के लिए एक Slack channel भरता हुआ।

और फिर हमारा दूसरा बच्चा हुआ।

जिसने भी कभी सोते हुए शिशु को गोद में लिया है वह इसका ख़ास भौतिकी जानता है: आपके पास एक बाँह होती है, शायद। आप कई-कई घंटों के लिए, व्यावहारिक रूप से, एक हाथ वाले developer होते हैं। इस बीच lanes रुकती नहीं। Agent ने अपना refactor पूरा कर लिया है और दिशा का इंतज़ार कर रहा है। दूसरे क्लाइंट का सवाल वहीं पड़ा-पड़ा बूढ़ा हो रहा है। आपकी टाइपिंग की रफ़्तार — वही चीज़ जिससे होकर आपका सारा output चुपचाप गुज़रता है — अभी-अभी आधे से ज़्यादा कट गई।

वह गणित जो टूट गया

AI coding agents का वादा असली है। Claude Code सचमुच कई फ़ाइलों वाला refactor कर देगा जबकि आप कुछ और कर रहे हों। दो-तीन lanes चलाइए और, काग़ज़ पर, आप अपने आप के किसी गुणक पर काम कर रहे हैं। 10x output के पीछे भागने वाले सबने यह दलील पढ़ी है।

पर उस गुणक का एक हर है जिसका ज़िक्र कोई नहीं करता: हर lane उस स्वाभाविक भाषा पर आगे बढ़ती है जो आप बनाते हैं। Prompts, redirects, reviews, जवाब। अगर उस भाषा को बनाने के लिए दो ख़ाली हाथ और सही window में पूरा context switch चाहिए, तो आपकी lanes पैरलल हैं ही नहीं — वे एक अकेले सँकरे रास्ते से समय में बँटकर गुज़र रही हैं। हर नई lane तब तक तालमेल का ख़र्च जोड़ती जाती है जब तक “गुणक” चुपचाप बोझ में न बदल जाए।

मैं उस सँकरे रास्ते को शरीर से महसूस कर सकता था। अगला निर्देश मेरे सिर में पूरी तरह बना होता — “schema का बदलाव वापस लो, API का rename रहने दो, migration दोबारा चलाओ” — और वह बस वहीं पड़ा रहता, किसी बच्चे, किसी सैंडविच, या किसी दूसरी lane में बीच काम में लगे मेरे अपने हाथों के पीछे क़तार में। सोच तात्कालिक थी। उसकी डिलीवरी अड़चन थी।

आपको 10x हाथों की ज़रूरत नहीं। आपको एक दूसरे output channel की ज़रूरत है।

मौजूदा टूल्स फ़िट क्यों नहीं बैठे

मैंने डिक्टेशन टूल्स आज़माए — अच्छे टूल मौजूद हैं, और हम अपने तुलना वाले पेजों पर यह साफ़ कहते हैं। पर मेरी ज़रूरतें ठीक उसी दिन ने गढ़ी थीं जिसका ब्योरा मैंने अभी दिया, और उनमें से तीन पर कोई समझौता नहीं हो सकता था।

इसे terminals में चलना ही था। मेरी lanes iTerm2 और tmux में रहती हैं, अक्सर SSH पर। Clipboard-paste वाली insertion ठीक उन्हीं जगहों पर टूटती है। मुझे कुछ ऐसा चाहिए था जो type कर सके — बनावटी keystrokes, ऐसी रफ़्तार पर कि terminal साथ चल सके।

इसे लोकल होना ही था। मैं जो चीज़ें डिक्टेट करता हूँ वे दूसरे लोगों की कंपनियों का भीतरी हिस्सा हैं: बिना रिलीज़ हुए प्रोडक्ट, निवेशकों से जुड़े फ़ैसले, सुरक्षा की चर्चाएँ। “हम ऑडियो cloud में भेजते हैं, पर ज़िम्मेदारी से” बहुत से users के लिए ठीक जवाब है। वह मेरा जवाब नहीं हो सकता था। Speech-to-text को मेरे अपने hardware पर चलना था, साबित होने लायक़ ढंग से, ज़रूरत पड़े तो Wi-Fi बंद करके।

इसे अदृश्य होना ही था। कोई ऐप window नहीं, घुसने के लिए कोई mode नहीं। Key दबाएँ, बोलें, छोड़ें, ख़त्म। जो टूल अपनी ही एक lane माँगता है, वह पूरा मक़सद ही मार देता है।

तो मैंने इसे बना लिया। Keebye एक छोटा native macOS menu-bar ऐप है — Tauri, इसलिए वह हल्का बना रहता है — जो ठीक वही शक्ल पकड़ता है: Right ⌘ दबाए रखें, बोलें, और शब्द focused editable field में उतर जाते हैं। on-device मॉडल (एक English-tuned डिफ़ॉल्ट, एक वैकल्पिक 25-भाषा इंजन, या Apple का native इंजन), पहले डाउनलोड के बाद ऑफ़लाइन, rule-based cleanup साथ में एक वैकल्पिक local-LLM polish, project के jargon के लिए एक डिक्शनरी, सिर्फ़-text वाली हिस्ट्री जो 30 दिन बाद ख़ुद मिट जाती है, और कोई telemetry नहीं। ये किसी brochure के विशेषण नहीं हैं; ये उस सोफ़े पर, उस बच्चे के साथ बनी ज़रूरतों की सूची हैं।

असल में बदला क्या

मैं यहाँ सावधान रहना चाहता हूँ, क्योंकि founder की कहानियाँ आसानी से क़िस्सागोई में बह जाती हैं। मैं आपको सुधार का कोई प्रतिशत नहीं दूँगा; मैंने कभी नापा ही नहीं, और वैसे भी मुझे किसी के भी आँकड़े पर शक होता।

मैं जो बता सकता हूँ वह यह है कि अब दिन कैसे महसूस होते हैं। बना-बनाया-पर-बिना-पहुँचाया निर्देश अब लगभग ख़त्म हो चुका है: जब किसी lane को दिशा चाहिए, तो मैं उसे देखता हूँ, key दबाता हूँ, और बात कह देता हूँ। इंसानों को जवाब — वे Slack मैसेज जो पहले घंटों बूढ़े होते रहते थे क्योंकि जवाब देने का मतलब किसी lane को छोड़ना था — अब बीच के अंतरालों में निकल जाते हैं, जिस भी window पर focus हो उसी में बोलकर। और एक बाँह वाले घंटे बेकार घंटे होना बंद हो गए। मेरे सबसे कारगर निर्देशों में से कुछ खड़े-खड़े, टहलते हुए, सोते बच्चे को गोद में लिए दिए जाते हैं।

ईमानदार सीमाएँ अब भी वहीं हैं। डिक्टेशन आपके लिए सोचता नहीं; कोई बुदबुदाया, आधा-बना prompt बुदबुदाया, आधा-बना नतीजा ही देगा, चाहे बोला गया हो या टाइप किया गया। Keebye अर्ली-ऐक्सेस सॉफ़्टवेयर है, उसी के खुरदरे किनारों के साथ। और आवाज़ हाथों की पूरक है, उनकी जगह लेने वाली नहीं — मैं अब भी ख़ूब टाइप करता हूँ, बस अब हर lane के लिए एक ही जगह पर टिकी नाकामी नहीं रह गया।

कोई थीसिस है, तो यह

10x developer वाली बहस ने हमेशा एक इंसान की तेज़ टाइपिंग की कल्पना की। जो सचमुच आया वह उससे अजनबी है: एक इंसान संचालन कर रहा है — कई अर्ध-स्वायत्त lanes, हर एक किसी वाक्य के इंतज़ार में। उस दुनिया में आपका लीवरेज आपका WPM नहीं है। वह यह है कि आप जिस lane को ज़रूरत हो उस तक अपना इरादा कितने सस्ते में पहुँचा सकते हैं, आप जिस भी शारीरिक हालत में हों।

मेरे लिए सबसे सस्ता channel वही निकला जो हमेशा से मेरे पास था।

अगर आपके दिन कुछ-कुछ ऐसे दिखते हैं, तो workflow की तफ़सील अपनी आवाज़ से Claude Code चलाना में है, और अगर English वह भाषा नहीं है जिसमें आप सोचते हैं, तो पढ़ें डिक्टेशन सिर्फ़ English तक सीमित क्यों नहीं होना चाहिए। Keebye macOS के लिए अर्ली ऐक्सेस में है; नीचे अपना फ़्री ट्रायल शुरू करें। यह ठीक उसी हालत में बनाया गया जिसकी यह सेवा करता है: एक बाँह भरी हुई, lanes फिर भी चलती हुईं।