並列エージェントにプロンプトを音声入力する、レーンごとに

コーディングエージェントを 2 つ並べて走らせた最初のとき、何かがおかしいと感じるのに、それを言葉にするまでには少し時間がかかります。どちらのエージェントも速い。1 つずつなら、どちらも明らかな勝ちです。2 つ合わせれば、勝ちも 2 倍になるはずです。ところが実際には、1 つだけのときより 1 日が細切れになり、午後が終わってみると思っていたほど終わっていません。

原因はエージェントではありません。エージェントが必要とする入力の形です。コーディングエージェントは文章で動きます。「このハンドラを分割して、公開シグネチャは変えず、タイムアウト経路のテストを追加して」。文章は考えるのは安く、届けるのは高い。届けるとは、正しい瞬間に、正しいウィンドウへ手と注意を置くことだからです。エージェントが 1 つなら、その瞬間は自分のリズムと重なります。3 つになると、瞬間は向こうの都合でやってきて、そのたびに自分がやっていたことが中断されます。

この記事は考える問題ではなく、届ける問題についてのものです。Mac 上で並列のエージェントレーンにプロンプトを音声入力するための実践的なワークフローと、その正直な限界です。Claude Code を声で動かすを読んでいなければ、そちらが単一レーンの基本を扱っています。この記事は、すでに複数を走らせている人向けです。

なぜ並列レーンはタイピングだけを罰するのか

プロンプトには 3 つのコストがあります。組み立てるコスト、届けるコスト、そのあと戻るコストです。組み立てるのは避けられず、たいていは頭の中で起きます。タイプして届けるとは、エージェントのターミナルにフォーカスを移し、入力行を見つけ、40 語から 80 語をタイプして、リターンを押すことです。戻るとは、エージェントに呼ばれる前にやっていたことへ帰ることです。

単一レーンなら、届けるコストは小さい。そのターミナルはもう見ていた可能性が高いからです。並列レーンでは、まず見ていません。レーン 2 の差分を読んでいるあいだに、レーン 1 が質問してきます。質問は簡単で、答えは 1 文です。それでも答えるには差分を離れることになり、戻ってきたら直前の 30 行を読み直して、どこまで読んだかを探します。

これを軌道修正ごと、「はい、続けて」ごと、「いや、そのファイルじゃない」ごとに掛け算すると、オーバーヘッドが積み上がります。並列レーンが失敗するのは、エージェントが遅いからではありません。自分がメッセージバスになってしまうからで、ウィンドウ間を物理的に移動しなければならないメッセージバスのレイテンシは、ひどいものです。

音声は、届けるコストのほとんどを取り除きます。目は差分に置いたまま、キーを押しながら 1 文を話し、離す。言葉はエージェントの入力欄に着地します。どこにも行っていません。

実際に機能するセットアップ

以下がそのセットアップで、意図して地味にしてあります。

ウィンドウではなく、ホットキー。 Keebye はメニューバーに常駐し、押しっぱなしでもタップでも使えるホットキーを待ちます（デフォルトは右⌘キー。Fn と右⌥も選べて、進行中の音声入力は Esc で取り消せます）。開くアプリウィンドウはなく、入るモードもありません。押して、話して、離す。これは聞こえるより大事です。自分のウィンドウを必要とする音声入力ツールは、レーンがもう 1 本増えただけです。

フォーカス中の欄への挿入。 文字起こしされたテキストは、カーソルがある場所に挿入されます。デフォルトはペーストで、ターミナルを意識したチャンク分割によって、長いプロンプトがシェルを溢れさせないようになっています。tmux や SSH の中でエージェントを走らせていて、ペーストの挙動が悪い場合には、テキストを Unicode のキーストロークとして注入するオプトインの擬似タイプモードがあります。切り替えるべき場面はターミナルでも生き残る音声入力にあります。

ストリーミングではなく、バッチ。 Keebye はキーを離した時点で、ひとつの発話として文字起こしします。話しながら単語が現れることはありません。プロンプトにとって、これは正しい取引です。エージェントの入力欄に思考の半分が並ぶのを見ているより、整えられた文がまとめて着地するほうがいい。

すべてオンデバイス。 文字起こしはローカルで動きます（デフォルトは英語向けに調整されたモデル、オプトインすれば 25 言語のモデル）。モデルをダウンロードすれば、Wi-Fi を切っても動きます。エージェントへのプロンプトでは、これはプライバシーの見せ場というよりレイテンシの話です。往復がないので、短いプロンプトはキーを離したのとほぼ同時に用意できます。

レーンを切り替えるリズム

結局定着したワークフローには、3 つの習慣があります。

目は、判断が必要なレーンに置いたまま。 どの瞬間にも、注意が属するべきレーンが 1 本あります。ふつうは差分か、テストの出力です。読むのはそのレーン。ほかのレーンには短い口頭の指示だけを渡します。レーン 2 が決定を求めてきたら、視線を送り、その入力欄をクリックし、キーを押して決定を話し、離して、クリックで戻る。機械的なコストはそのクリックだけで、文そのものは無料です。

プロンプトは完全な文として話す。 エージェントは電文調の断片より完全な文をうまく扱いますし、音声入力は自然に完全な文を生みます。人が話すときはそうなるからです。「スキーマの変更は戻して、API のリネームは残して、それからマイグレーションを再実行して出力を見せて」は、話すプロンプトとしては上出来です。タイプするプロンプトとしては退屈なだけです。

フィラーは落ちて、意味は残る。 Keebye のクリーンアップはデフォルトでルールベースです。「えー」「あの」、繰り返した単語を取り除き、言い回しには手を付けません。文をもう少し整えるためのオプションのオンデバイス・ローカル LLM ポリッシュもあり、その裏では、整えた版に深刻なトークンの欠落・膨張・繰り返しが見えたときに、そのままの文字起こしへ戻すフィデリティガードが働きます。このガードはヒューリスティックであって、意味のチェックではありません。整えたテキストが意味や否定を保っていることを検証はしません。エージェントへのプロンプトでは、ほとんどの人がポリッシュをオフにします。そのままの文字起こしはまさに自分が言ったことで、それこそエージェントに実行させたいものです。

音声が向いているところ、レーンごとに

すべてのプロンプトが話されたがっているわけではありません。数か月使ったあとの、だいたいの切り分けです。

軌道修正と続行：常に音声。 「続けて」「いや、もう一方の設定」「空のケースのテストを追加して再実行して」。並列セッションでいちばん本数が多いプロンプトで、どれも一息で終わります。

レビューのフィードバック：ほぼ音声。 差分を読んで、何が問題かを声に出して述べるのは自然です。「このリトループはエラーを飲み込んでいる。sleep の前にログを出して、試行回数は 5 回で打ち止めに」。音声入力は、目をコードに置いたまま、これを話す速度で捉えます。

最初のタスク説明：混在。 ファイルパスや制約を含む長く構造化された説明は、いまでもタイプするか、荒い版を音声入力してから編集するほうが向いています。文章の部分は音声で問題なく、正確な識別子はタイプするほうが楽です。ここではカスタム辞書が効きます。プロジェクトのモジュール名やよく出る専門用語を一度登録すれば、いちばん近い英単語として文字起こしされることがなくなります。

コードが絡むもの：タイプ。 正規表現を音声入力するのはつらい時間です。成果物ではなく指示（「バージョンヘッダにマッチする正規表現を書いて」）を音声入力してください。

正直な限界

いくつかは Keebye の限界で、いくつかはこのカテゴリ全体の限界です。

最初の音声入力のレイテンシ。 マイクはセッション最初の音声入力のあとで温まり、それ以降は 500 ms のプリロールを保ちます。その日いちばん最初の押し込みではストリーム開始のコストを払うことがあり、バッファが働く前に発した単語は切れることがあります。仕組みはなぜ音声入力アプリは最初のひと言を食べてしまうのかにあります。

識別子の精度。 スネークケースの変数名や社内の略語は、どんな音声モデルでも苦しむところです。辞書はこれを減らしますが、なくしはしません。破壊的な操作にリターンを押す前には、プロンプトを読んでください。

セキュア入力欄。 Keebye はパスワード欄やセキュア入力欄への挿入を拒否します。これは意図的で、ターミナルがパスフレーズを求めているときには、ときどき不便です。

音声コマンドはありません。 「改行」や「全選択」といった語彙はありません。Keebye は音声入力ツールであって、音声操作のレイヤーではありません。レーン間の移動は、いまでもクリックかキーボードショートカットです。

macOS のみ。 Windows ビルドは出荷していません。

次に読むもの

エージェントがほぼ 1 つのエディタの中にいるなら、Cursor と Claude Code のガイドにツールごとの具体があります。このワークフローのために音声入力アプリを選んでいるなら、Keebye vs Superwhisper が正直な比較で、Superwhisper のほうが向いている場面も含めてあります。

ここまでの短い版。並列エージェントは、あなたがもっと速くタイプすることを必要としていません。あなたがエージェント間のいちばん遅い経路であることをやめるのを必要としています。判断が必要なレーンに目を置いたまま、残りには話してください。