Mengimlak Prompt kepada Agent Selari, Lane demi Lane

Kali pertama anda menjalankan dua coding agent bersebelahan, ada sesuatu yang terasa janggal, dan mengambil masa sebelum anda dapat menamakannya. Setiap agent pantas. Setiap satu, secara bersendirian, jelas satu kemenangan. Bersama-sama sepatutnya dua kali ganda kemenangan itu. Sebaliknya hari itu terasa lebih berkecai berbanding dengan satu agent, dan anda menghabiskan petang dengan hasil yang kurang daripada jangkaan.

Sebabnya bukan agent itu. Sebabnya ialah bentuk input yang mereka perlukan. Coding agent berjalan atas prosa: “pecahkan pengendali itu, kekalkan tandatangan awamnya, tambah satu ujian untuk laluan timeout.” Prosa murah untuk difikirkan dan mahal untuk diserahkan, kerana menyerahkannya bermakna meletakkan tangan dan perhatian anda ke dalam tetingkap yang betul pada saat yang betul. Dengan satu agent, saat itu sejajar dengan rentak semula jadi anda. Dengan tiga, saat-saat itu tiba bila-bila masa ia tiba, dan setiap satunya mengganggu apa sahaja yang sedang anda buat.

Artikel ini tentang masalah penyerahan, bukan masalah pemikiran. Ia aliran kerja praktikal untuk mengimlak prompt ke dalam lane agent selari pada Mac, termasuk had-hadnya secara jujur. Jika anda belum membaca Memandu Claude Code dengan suara anda, artikel itu merangkumi asas satu lane; yang ini menganggap anda sudah menjalankan lebih daripada satu.

Kenapa lane selari menghukum menaip secara khusus

Satu prompt ada tiga kos: membentuknya, menyerahkannya, dan pulih selepas itu. Membentuknya tidak dapat dielakkan dan kebanyakannya berlaku dalam kepala anda. Menyerahkannya, apabila anda menaip, bermakna menukar fokus ke terminal agent itu, mencari baris input, menaip empat puluh hingga lapan puluh perkataan, dan menekan return. Pulih bermakna kembali kepada perkara yang anda lakukan sebelum agent itu bertanya.

Dengan satu lane, kos penyerahan itu kecil kerana anda mungkin sudah pun memandang terminal itu. Dengan lane selari, hampir tidak pernah. Lane satu bertanya sesuatu semasa anda sedang membaca diff lane dua. Soalannya mudah; jawapannya satu ayat. Tetapi menjawabnya bermakna meninggalkan diff itu, dan apabila anda kembali, anda membaca semula tiga puluh baris terakhir untuk mencari tempat anda tadi.

Darabkan dengan setiap arahan baharu, setiap “ya, teruskan,” setiap “bukan, fail yang satu lagi,” dan overhed itu terkumpul. Lane selari tidak gagal kerana agent itu perlahan. Ia gagal kerana andalah yang menjadi bas mesej, dan bas mesej yang terpaksa bergerak secara fizikal antara tetingkap mempunyai latensi yang teruk.

Suara membuang kebanyakan kos penyerahan itu. Mata anda kekal pada diff, tahan satu kekunci, sebut ayat itu, lepaskan. Perkataan itu mendarat dalam medan input agent tersebut. Anda tidak pernah pergi ke mana-mana.

Persediaan yang berkesan

Inilah persediaannya, sengaja dibuat membosankan.

Hotkey, bukan tetingkap. Keebye tinggal dalam menu bar dan mendengar satu hotkey tahan-atau-ketik (Right ⌘ ialah lalai; Fn dan Right ⌥ ialah pilihan lain, dan Escape membatalkan imlak yang sedang berjalan). Tiada tetingkap aplikasi untuk dibuka dan tiada mod untuk dimasuki. Tahan, bercakap, lepas. Ini lebih penting daripada bunyinya: alat imlak yang memerlukan tetingkapnya sendiri hanyalah satu lagi lane.

Penyisipan ke dalam medan yang fokus. Transkrip itu disisipkan di mana sahaja kursor anda berada. Secara lalai itu satu tampalan, dengan pemotongan yang memahami terminal supaya prompt yang panjang tidak melimpahi shell. Jika anda menjalankan agent di dalam tmux atau melalui SSH, tempat tampalan berkelakuan buruk, ada mod menaip pilihan yang menyuntik teks itu sebagai ketukan kekunci Unicode; imlak yang bertahan dalam terminal menerangkan bila perlu menogolnya.

Batch, bukan strim. Keebye mentranskrip pada pelepasan kekunci, sebagai satu ucapan. Anda tidak akan melihat perkataan muncul semasa anda bercakap. Untuk prompting, ini tolak ansur yang betul: anda mahu keseluruhan ayat itu mendarat sekali gus, sudah dibersihkan, dan bukan menontonnya terbentuk perkataan demi perkataan sementara input agent itu sudah mengandungi separuh fikiran.

Semuanya on-device. Transkripsi berjalan setempat (model lalai yang ditala untuk bahasa Inggeris, atau model 25 bahasa jika anda memilihnya). Selepas muat turun model, ia berfungsi dengan Wi-Fi dimatikan. Untuk prompting agent ini kurang tentang teater privasi dan lebih tentang latensi: tiada perjalanan pergi balik, jadi prompt pendek sudah siap hampir sebaik anda melepaskan kekunci.

Satu rentak pertukaran lane

Aliran kerja yang akhirnya melekat mempunyai tiga tabiat.

Mata kekal pada lane yang memerlukan pertimbangan. Pada bila-bila masa, satu lane ialah tempat perhatian anda sepatutnya berada, biasanya satu diff atau output ujian. Itulah lane yang anda baca. Yang lain hanya menerima arahan lisan yang pendek. Apabila lane dua perlukan keputusan, anda pandang, klik ke dalam inputnya, tahan kekunci, sebut keputusan itu, lepas, dan klik kembali. Klik itulah satu-satunya kos mekanikal; ayat itu sendiri percuma.

Prompt dituturkan sebagai ayat penuh. Agent mengendalikan ayat penuh lebih baik daripada serpihan telegrafik, dan imlak menghasilkan ayat penuh secara semula jadi kerana begitulah cara orang bercakap. “Patahkan balik perubahan skema itu tetapi kekalkan penamaan semula API, kemudian jalankan semula migrasi dan tunjukkan saya outputnya” ialah prompt tuturan yang baik. Ia menjemukan untuk ditaip.

Kata pengisi dibuang, makna tidak. Pembersihan Keebye berasaskan peraturan secara lalai: ia membuang “um”, “eh”, perkataan yang berulang, dan membiarkan ayat anda seadanya. Ada penggilapan LLM setempat on-device yang bersifat pilihan untuk ayat yang lebih kemas, disokong oleh pengawal kesetiaan yang berundur kepada transkrip harfiah apabila versi yang digilap menunjukkan kehilangan token yang teruk, pengembangan, atau pengulangan. Pengawal itu heuristik, bukan semakan semantik: ia tidak mengesahkan bahawa teks yang digilap itu mengekalkan makna anda atau sesuatu penafian. Untuk memberi prompt kepada agent, kebanyakan orang membiarkan penggilapan itu dimatikan; transkrip harfiah ialah tepat apa yang anda sebut, dan itulah yang anda mahu agent itu jalankan.

Untuk apa suara itu bagus, lane demi lane

Bukan setiap prompt mahu dituturkan. Selepas beberapa bulan, inilah pembahagiannya secara kasar.

Arahan baharu dan sambungan: sentiasa suara. “Teruskan.” “Bukan, config yang satu lagi.” “Tambah ujian untuk kes kosong dan jalankan semula.” Inilah prompt paling kerap dalam sesi selari dan semuanya sepanjang satu nafas.

Maklum balas review: kebanyakannya suara. Membaca satu diff dan menceritakan apa yang salah dengannya itu semula jadi. “Gelung retry itu menelan ralat, log dahulu sebelum sleep, dan hadkan percubaan kepada lima.” Imlak menangkap ini pada kelajuan pertuturan sementara mata anda kekal pada kod.

Taklimat tugas awal: bercampur. Taklimat yang panjang dan berstruktur dengan laluan fail dan kekangan masih mendapat faedah daripada menaip, atau daripada mengimlak versi kasar dan menyuntingnya. Suara memadai untuk prosanya; pengecam yang tepat lebih mudah ditaip. Kamus tersuai membantu di sini: tambah nama modul projek anda dan jargon yang berulang sekali sahaja, dan ia berhenti ditranskrip sebagai perkataan Inggeris yang paling hampir.

Apa-apa yang melibatkan kod: ditaip. Mengimlak regex itu pengalaman yang menyeksa. Imlakkan arahannya (“tulis regex yang memadankan header versi”), bukan artifaknya.

Had yang jujur

Sebahagiannya milik Keebye; sebahagiannya milik kategori ini.

Latensi imlak pertama. Mikrofon memanas selepas imlak pertama sesuatu sesi dan mengekalkan pre-roll 500 ms selepas itu. Tahanan pertama hari itu masih boleh menanggung kos permulaan strim, dan perkataan yang disebut sebelum penimbal itu bertindak boleh terpotong. Kenapa aplikasi imlak memakan perkataan pertama anda merangkumi mekaniknya.

Ketepatan pada pengecam. Nama pemboleh ubah snake-case dan akronim dalaman ialah tempat mana-mana model pertuturan bergelut. Kamus itu mengurangkannya, tetapi tidak menghapuskannya. Baca prompt itu sebelum anda menekan return pada apa-apa yang memusnahkan.

Medan selamat. Keebye enggan menyisip ke dalam medan kata laluan dan medan input selamat. Ini disengajakan dan kadangkala menyusahkan apabila satu gesaan terminal meminta frasa laluan.

Tiada arahan suara. Tiada perbendaharaan kata “baris baharu” atau “pilih semua”. Keebye ialah alat imlak, bukan lapisan kawalan suara. Navigasi antara lane masih satu klik atau satu pintasan papan kekunci.

macOS sahaja. Binaan Windows tidak dikeluarkan.

Ke mana selepas ini

Jika agent anda kebanyakannya tinggal dalam satu editor, panduan Cursor dan Claude Code ada butiran khusus setiap alat. Jika anda sedang memilih antara aplikasi imlak untuk aliran kerja ini, Keebye vs Superwhisper ialah perbandingan jujur yang turut menyatakan di mana Superwhisper lebih sesuai.

Versi ringkas semua di atas: agent selari tidak perlukan anda menaip lebih pantas. Mereka perlukan anda berhenti menjadi lompatan paling perlahan antara mereka. Kekalkan mata anda pada lane yang memerlukan pertimbangan dan bercakaplah kepada yang selebihnya.