Két gyerek, három startup, egy hang

Minden eszköz, amelyet valaha kiadtam, személyes vészhelyzetből indult. A Keebye vészhelyzetének két neve volt, és az egyikük fél évesnél fiatalabb.

Íme a helyzet, amelybe az app beleszületett. Nagy tétű startupokkal dolgozom, ahol több mint $1M befektetés van bent, és a szállítás számít. Nem egy startuppal: többel, párhuzamosan, mindegyiknek saját kódbázisa, saját prioritásai, saját „ennek tegnapra kellett volna kész lennie” listája. Ez a munka nem rendezett sorban érkezik. Lane-ekben érkezik: az egyikben egy migráció, a másikban egy review, a harmadikban egy incidens utóelemzése, a háttérben pedig lane-enként egy-egy Slack-csatorna telik meg.

Aztán megszületett a második gyerekünk.

Aki tartott már alvó csecsemőt, ismeri a dolog sajátos fizikáját: egy karod van, ha van. Órákon át, funkcionálisan, félkezes fejlesztő vagy. Közben a lane-ek nem állnak meg. Az agent befejezte a refaktort, és irányításra vár. A másik ügyfél kérdése ott ül és öregszik. A gépelési átereszted — az, amin az egész outputod titokban átfut — épp több mint felére csökkent.

A matek, ami elromlott

Az AI-kódolóügynökök ígérete valós. A Claude Code tényleg végigcsinál egy több fájlt érintő refaktort, miközben te mással foglalkozol. Vigyél két-három lane-t, és papíron önmagad valahányszorosán működsz. Aki 10x outputot hajszol, ezt a pitchet olvasta.

Csakhogy a szorzónak van egy nevezője, amit senki nem említ: minden lane az általad előállított természetes nyelven halad előre. Promptok, irányváltások, review-k, válaszok. Ha ennek a nyelvnek az előállításához két szabad kéz és egy teljes kontextusváltás kell a megfelelő ablakba, akkor a lane-jeid egyáltalán nem párhuzamosak — időszeletelve futnak át egyetlen szűk keresztmetszeten. Egy újabb lane addig ad hozzá koordinációs költséget, amíg a „szorzó” csendben adminisztrációvá nem válik.

Fizikailag éreztem a szűk keresztmetszetet. A fejemben teljesen kész volt a következő utasítás — „vond vissza a sémaváltoztatást, tartsd meg az API-átnevezést, és futtasd újra a migrációt” —, aztán csak ült ott, egy baba, egy szendvics vagy a saját, másik lane-ben félbehagyott kezeim mögött sorban állva. A gondolat azonnali volt. A kézbesítés volt a szűk keresztmetszet.

Nincs szükséged 10x kézre. Egy második kimeneti csatornára van szükséged.

Miért nem illettek a meglévő eszközök

Kipróbáltam diktálóeszközöket — vannak jók, és ezt az összehasonlító oldalainkon nyíltan ki is mondjuk. De az elvárásaimat pontosan az imént leírt nap formálta, és közülük három nem volt alku tárgya.

Terminálokban kellett működnie. A lane-jeim iTerm2-ben és tmuxban élnek, gyakran SSH-n át. A vágólapos beillesztés pontosan ezeken a helyeken törik el. Olyasmi kellett, ami tud gépelni — szintetikus billentyűleütések, olyan ütemben, hogy a terminál lépést tartson.

Helyinek kellett lennie. Amit diktálok, az mások cégeinek belseje: kiadatlan termékek, befektetőket érintő döntések, biztonsági megbeszélések. A „felhőbe küldjük a hangot, de felelősen” sok felhasználónak teljesen rendben lévő válasz. Nekem nem lehetett az. A beszédfelismerésnek a saját hardveremen kellett futnia, bizonyíthatóan, akár kikapcsolt Wi-Fi mellett.

Láthatatlannak kellett lennie. Nincs appablak, nincs mód, amibe be kell lépni. Tarts nyomva egy billentyűt, beszélj, engedd el, kész. Az az eszköz, amely saját lane-t követel, épp a lényeget írja felül.

Így hát megépítettem. A Keebye egy kicsi, natív macOS menüsor-app — Tauriban, hogy könnyű maradjon —, és pontosan ezt a formát tartja: tartsd nyomva a jobb ⌘-ot, beszélj, és a szavak a fókuszban lévő szerkeszthető mezőben landolnak. Eszközön futó modellek (egy angolra hangolt alapértelmezett, egy opcionális 25 nyelvű motor, vagy az Apple sajátja), az első letöltés után offline, szabályalapú tisztítás opcionális helyi LLM-es csiszolással, szótár a projektzsargonnak, csak szöveges előzmények, amelyek 30 nap után törlik magukat, és semmi telemetria. Ezek nem prospektusba való jelzők; ez a követelménylista onnan a kanapéról, azzal a babával.

Mi változott valójában

Itt óvatos akarok lenni, mert az alapítótörténetek könnyen csúsznak át fikcióba. Nem fogok százalékos javulást mondani; sosem mértem, és amúgy is bizalmatlan lennék bárki számával szemben.

Amit el tudok mondani, az az, milyen érzés most egy nap. A megfogalmazott, de kézbesítetlen utasítás nagyrészt eltűnt: amikor egy lane irányt kér, ránézek, nyomva tartom a billentyűt, és kimondom. Az embereknek szóló válaszok — azok a Slack-üzenetek, amelyek korábban órákig öregedtek, mert a válasz egy lane feladását jelentette — a résekben mennek ki, bármelyik ablakba mondva, amelyik éppen fókuszban van. És a félkezes órák megszűntek halott óráknak lenni. A legtermékenyebb irányítások egy része állva történik, sétálgatva, alvó gyerekkel a karomon.

Az őszinte korlátok továbbra is megvannak. A diktálás nem gondolkodik helyetted; egy motyogott, félkész prompt motyogott, félkész eredményt ad, akár kimondtad, akár begépelted. A Keebye korai hozzáférésű szoftver, az ezzel járó érdes felületekkel. A hang pedig a kéz kiegészítése, nem a helyettesítője — továbbra is sokat gépelek, csak már nem egyszerre minden lane egyetlen hibapontjaként.

A tézis, ha van ilyen

A 10x fejlesztőről szóló diskurzus mindig egy gyorsabban gépelő embert képzelt el. Ami valójában megérkezett, az furcsább: egy ember, aki vezényel — több félig önálló lane, mindegyik egy mondatra vár. Ebben a világban nem a leütésszám az emelőd. Hanem az, hogy milyen olcsón tudod eljuttatni a szándékot ahhoz a lane-hez, amelyiknek épp kell, bármilyen fizikai helyzetben vagy is.

Nekem a legolcsóbb csatornáról kiderült, hogy végig megvolt.

Ha a te napjaid is így néznek ki, a munkafolyamat részletei a Claude Code vezetése hanggal írásban vannak, és ha nem angolul gondolkodsz, olvasd el, miért nem lehet a diktálás csak angol. A Keebye korai hozzáférésben érhető el macOS-re; indítsd el lent az ingyenes próbaidőszakot. Pontosan abban a helyzetben épült, amelyet kiszolgál: az egyik kar foglalt, a lane-ek mennek tovább.