Dettare prompt ad agenti paralleli, corsia per corsia

La prima volta che fai girare due agenti di coding uno accanto all'altro qualcosa non torna, e ci vuole un po' per dargli un nome. Ogni agente è veloce. Ognuno, da solo, sarebbe una vittoria chiara. Insieme dovrebbero essere il doppio della vittoria. Invece la giornata sembra più frammentata di quando ce n'era uno, e chiudi il pomeriggio con meno cose finite di quante ti aspettavi.

Il motivo non sono gli agenti. È la forma dell'input di cui hanno bisogno. Un agente di coding gira sulla prosa: «spezza l'handler, mantieni la firma pubblica, aggiungi un test per il percorso di timeout». La prosa costa poco da pensare e molto da consegnare, perché consegnarla significa portare mani e attenzione nella finestra giusta al momento giusto. Con un agente quel momento coincide con il tuo ritmo naturale. Con tre, i momenti arrivano quando arrivano, e ognuno interrompe qualunque cosa avessi per le mani.

Questo articolo parla del problema della consegna, non del problema del pensare. È un flusso di lavoro concreto per dettare prompt in corsie di agenti parallele su un Mac, limiti onesti inclusi. Se non hai letto Guidare Claude Code con la voce, quell'articolo copre le basi su una corsia sola; questo dà per scontato che tu ne stia già gestendo più di una.

Perché le corsie parallele puniscono proprio la digitazione

Un prompt ha tre costi: formularlo, consegnarlo e rimettersi in carreggiata dopo. Formularlo è inevitabile e succede quasi tutto in testa. Consegnarlo, quando digiti, significa spostare il focus sul terminale dell'agente, trovare la riga di input, digitare dalle quaranta alle ottanta parole e premere Invio. Rimettersi in carreggiata significa tornare a quello che stavi facendo prima che l'agente chiedesse.

Con una corsia sola il costo di consegna è piccolo, perché probabilmente stavi già guardando quel terminale. Con corsie parallele quasi mai. La corsia uno fa una domanda mentre tu leggi il diff della corsia due. La domanda è facile, la risposta è una frase. Ma risponderle significa lasciare il diff, e quando torni rileggi le ultime trenta righe per ritrovare il punto.

Moltiplica per ogni cambio di rotta, ogni «sì, continua», ogni «no, l'altro file», e il sovraccarico si somma. Le corsie parallele non falliscono perché gli agenti sono lenti. Falliscono perché tu diventi il bus dei messaggi, e un bus dei messaggi che deve spostarsi fisicamente tra le finestre ha una latenza terribile.

La voce toglie quasi tutto il costo di consegna. Tieni gli occhi sul diff, tieni premuto un tasto, dici la frase, rilasci. Le parole atterrano nel campo di input dell'agente. Non ti sei mai spostato.

La configurazione che funziona

Ecco la configurazione, tenuta volutamente noiosa.

Una hotkey, non una finestra. Keebye vive nella barra dei menu e ascolta una hotkey da tenere premuta o da toccare (⌘ destro per impostazione predefinita; Fn e ⌥ destro sono le altre opzioni, ed Esc annulla una dettatura in corso). Non c'è nessuna finestra dell'app da aprire e nessuna modalità in cui entrare. Tieni premuto, parla, rilascia. Conta più di quanto sembri: uno strumento di dettatura che pretende una finestra sua è solo un'altra corsia.

Inserimento nel campo che ha il focus. La trascrizione viene inserita dove sta il cursore. Per impostazione predefinita è un incolla, con una suddivisione consapevole del terminale così che un prompt lungo non travolga una shell. Se fai girare gli agenti dentro tmux o via SSH, dove l'incolla si comporta male, c'è una modalità digitazione opzionale che inietta il testo come battute Unicode; Dettatura che sopravvive al terminale spiega quando passare a quella.

In batch, non in streaming. Keebye trascrive al rilascio del tasto, come un unico enunciato. Non vedrai le parole comparire mentre parli. Per i prompt è il compromesso giusto: vuoi che la frase intera atterri tutta insieme, già pulita, invece di guardarla materializzarsi parola per parola mentre il campo di input dell'agente contiene già mezzo pensiero.

Tutto on-device. La trascrizione gira in locale (un modello predefinito tarato sull'inglese, o un modello da 25 lingue se lo attivi). Dopo il download del modello funziona con il Wi-Fi spento. Per guidare gli agenti la cosa riguarda meno il teatrino della privacy e più la latenza: non c'è nessun viaggio di andata e ritorno, quindi un prompt breve è pronto quasi nel momento in cui rilasci il tasto.

Un ritmo per cambiare corsia

Il flusso che è rimasto ha tre abitudini.

Gli occhi restano sulla corsia che richiede giudizio. In ogni momento c'è una corsia a cui appartiene la tua attenzione, di solito un diff o l'output dei test. Quella è la corsia che leggi. Le altre ricevono solo brevi istruzioni parlate. Quando la corsia due ha bisogno di una decisione, dai un'occhiata, clicchi nel suo campo, tieni premuto il tasto, dici la decisione, rilasci e riclicchi indietro. Il clic è l'unico costo meccanico; la frase in sé è gratis.

I prompt si dicono in frasi complete. Gli agenti gestiscono meglio le frasi intere che i frammenti telegrafici, e la dettatura produce frasi intere in modo naturale, perché è così che parlano le persone. «Annulla la modifica dello schema ma mantieni la rinomina dell'API, poi rilancia la migrazione e mostrami l'output» è un buon prompt parlato. Digitato è noioso.

I riempitivi cadono, il significato no. La pulizia di Keebye è basata su regole per impostazione predefinita: rimuove l'«ehm», l'«eh», la parola ripetuta, e lascia in pace la tua formulazione. C'è una rifinitura opzionale con LLM locale on-device per frasi più ordinate, sostenuta da una guardia di fedeltà che ripiega sulla trascrizione letterale quando la versione rifinita mostra una perdita grave di token, un'espansione o una ripetizione. Quella guardia è un'euristica, non un controllo semantico: non verifica che il testo rifinito abbia conservato il tuo significato o una negazione. Per guidare un agente la maggior parte lascia la rifinitura spenta; una trascrizione letterale è esattamente ciò che hai detto, ed è quello che vuoi che l'agente esegua.

In cosa è buona la voce, corsia per corsia

Non tutti i prompt vogliono essere parlati. Dopo qualche mese, la divisione è più o meno questa.

Cambi di rotta e prosecuzioni: sempre voce. «Vai avanti.» «No, l'altra configurazione.» «Aggiungi un test per il caso vuoto e rilancia.» Sono i prompt più frequenti di una sessione parallela e stanno tutti in un respiro.

Feedback di review: quasi sempre voce. Leggere un diff e raccontare cosa non va è naturale. «Il ciclo di retry si mangia l'errore, loggalo prima dello sleep e limita i tentativi a cinque.» La dettatura cattura tutto questo al ritmo del parlato mentre i tuoi occhi restano sul codice.

Brief iniziali di un compito: misto. Un brief lungo e strutturato, con percorsi di file e vincoli, conviene ancora digitarlo, oppure dettarne una versione grezza e poi modificarla. La voce va bene per la prosa; gli identificatori esatti si digitano più facilmente. Il dizionario personalizzato aiuta qui: aggiungi una volta i nomi dei moduli e il gergo ricorrente del tuo progetto e smettono di essere trascritti come la parola inglese più vicina.

Qualunque cosa con del codice: digitata. Dettare una regex è un brutto momento. Detta l'istruzione («scrivi una regex che faccia match con l'header di versione»), non l'artefatto.

Limiti onesti

Alcuni sono di Keebye, altri sono della categoria.

Latenza della prima dettatura. Il microfono si scalda dopo la prima dettatura di una sessione e da lì in poi tiene un pre-roll di 500 ms. La primissima pressione della giornata può pagare un costo di avvio dello stream, e una parola pronunciata prima che il buffer entrasse in gioco può essere tagliata. Perché le app di dettatura si mangiano la tua prima parola copre la meccanica.

Precisione sugli identificatori. I nomi di variabile in snake case e gli acronimi interni sono il punto in cui qualunque modello vocale fatica. Il dizionario riduce il problema, non lo elimina. Rileggi il prompt prima di premere Invio su qualcosa di distruttivo.

Campi protetti. Keebye rifiuta di inserire nei campi password e nei campi di input protetti. È intenzionale e a volte scomodo, quando è un prompt del terminale a chiedere una passphrase.

Nessun comando vocale. Non esiste un vocabolario tipo «nuova riga» o «seleziona tutto». Keebye è uno strumento di dettatura, non un livello di controllo vocale. Spostarsi tra le corsie resta un clic o una scorciatoia da tastiera.

Solo macOS. La build per Windows non è rilasciata.

Dove andare adesso

Se i tuoi agenti vivono soprattutto in un editor, le guide Cursor e Claude Code hanno le specificità per singolo strumento. Se stai scegliendo tra app di dettatura per questo flusso, Keebye vs Superwhisper è un confronto onesto che include dove Superwhisper va meglio.

La versione breve di tutto quanto sopra: gli agenti paralleli non hanno bisogno che tu digiti più veloce. Hanno bisogno che tu smetta di essere il salto più lento tra loro. Tieni gli occhi sulla corsia che richiede giudizio e parla al resto.