Å diktere prompter til parallelle agenter, lane for lane

Første gang du kjører to kodeagenter side om side, er det noe som skurrer, og det tar en stund å sette ord på det. Hver agent er rask. Hver av dem alene ville vært en klar gevinst. Sammen burde de være dobbel gevinst. I stedet føles dagen mer oppstykket enn den gjorde med én, og du avslutter ettermiddagen med mindre ferdig enn du hadde ventet.

Grunnen er ikke agentene. Det er formen på inndataene de trenger. En kodeagent kjører på prosa: «del opp handleren, behold den offentlige signaturen, legg til en test for timeout-stien.» Prosa er billig å tenke og dyr å levere, fordi å levere den betyr å plassere hendene og oppmerksomheten din i riktig vindu i riktig øyeblikk. Med én agent faller det øyeblikket sammen med din egen rytme. Med tre kommer øyeblikkene når de kommer, og hvert av dem avbryter det du var midt i.

Dette innlegget handler om leveringsproblemet, ikke tenkeproblemet. Det er en praktisk arbeidsflyt for å diktere prompter inn i parallelle agent-lanes på en Mac, med de ærlige begrensningene tatt med. Har du ikke lest Å styre Claude Code med stemmen, dekker det innlegget grunnlaget for én lane; dette forutsetter at du allerede kjører flere enn én.

Hvorfor parallelle lanes straffer nettopp skriving

En prompt har tre kostnader: å forme den, å levere den og å komme tilbake etterpå. Å forme den er uunngåelig og skjer stort sett i hodet. Å levere den, når du skriver, betyr å flytte fokus til agentens terminal, finne inndatalinjen, skrive førti til åtti ord og trykke retur. Å komme tilbake betyr å finne igjen det du holdt på med før agenten spurte.

Med én lane er leveringskostnaden liten, fordi du sannsynligvis allerede så på den terminalen. Med parallelle lanes gjør du det nesten aldri. Lane én stiller et spørsmål mens du leser diffen i lane to. Spørsmålet er lett; svaret er én setning. Men å svare betyr å forlate diffen, og når du kommer tilbake, leser du de siste tretti linjene om igjen for å finne hvor du var.

Gang det med hver omdirigering, hvert «ja, fortsett», hvert «nei, den andre fila», og overheadet hoper seg opp. Parallelle lanes feiler ikke fordi agentene er trege. De feiler fordi du blir meldingsbussen, og en meldingsbuss som fysisk må flytte seg mellom vinduer, har elendig latens.

Stemmen fjerner det meste av leveringskostnaden. Du holder øynene på diffen, holder en tast, sier setningen, slipper. Ordene lander i agentens inndatafelt. Du dro aldri.

Oppsettet som fungerer

Her er oppsettet, med vilje kjedelig.

Hurtigtast, ikke et vindu. Keebye bor i menylinjen og lytter etter en hurtigtast du enten holder eller trykker (høyre Command som standard; Fn og høyre Option er de andre valgene, og Escape avbryter en pågående diktering). Det finnes ikke noe appvindu å åpne og ingen modus å gå inn i. Hold, snakk, slipp. Dette betyr mer enn det høres ut som: et dikteringsverktøy som trenger sitt eget vindu, er bare enda en lane.

Innsetting i feltet som har fokus. Transkripsjonen settes inn der markøren står. Som standard skjer det ved innliming, med terminalbevisst oppdeling slik at en lang prompt ikke oversvømmer et shell. Kjører du agenter inne i tmux eller over SSH, der innliming oppfører seg dårlig, finnes det en valgfri skrivemodus som injiserer teksten som Unicode-tastetrykk i stedet; diktering som overlever terminalen forklarer når du bør bytte.

Batch, ikke strømming. Keebye transkriberer når du slipper tasten, som én ytring. Du vil ikke se ord dukke opp mens du snakker. For prompting er det den riktige avveiingen: du vil at hele setningen skal lande på én gang, ryddet, i stedet for å se den bli til ord for ord mens agentens inndatafelt allerede inneholder en halv tanke.

Alt på enheten. Transkripsjonen kjører lokalt (en engelsktilpasset standardmodell, eller en 25-språksmodell hvis du velger den). Etter at modellen er lastet ned, virker det med Wi-Fi av. For agent-prompting handler dette mindre om personvernteater og mer om latens: det finnes ingen tur-retur til en server, så en kort prompt er klar nesten idet du slipper tasten.

En rytme for å bytte lane

Arbeidsflyten som til slutt satt seg, har tre vaner.

Øynene blir i den lanen som krever vurdering. Til enhver tid er det én lane oppmerksomheten din hører hjemme i, som regel en diff eller en testutskrift. Det er lanen du leser. De andre får bare korte muntlige instruksjoner. Når lane to trenger en avgjørelse, kaster du et blikk, klikker i inndatafeltet, holder tasten, sier avgjørelsen, slipper og klikker tilbake. Klikket er den eneste mekaniske kostnaden; selve setningen er gratis.

Prompter sies som hele setninger. Agenter håndterer hele setninger bedre enn telegrafiske fragmenter, og diktering produserer hele setninger helt naturlig, fordi det er slik folk snakker. «Rull tilbake skjemaendringen, men behold API-omdøpingen, kjør så migrasjonen på nytt og vis meg utskriften» er en helt fin muntlig prompt. Den er en kjedelig skrevet en.

Fyllordene forsvinner, meningen gjør det ikke. Keebyes opprydding er regelbasert som standard: den fjerner «øh», «hm» og det gjentatte ordet, og lar formuleringen din være i fred. Det finnes en valgfri polering med en lokal LLM på enheten for ryddigere setninger, med en trofasthetsvakt som faller tilbake til den bokstavelige transkripsjonen når den polerte versjonen viser alvorlig tokentap, oppblåsing eller gjentakelse. Den vakten er en heuristikk, ikke en semantisk sjekk: den bekrefter ikke at den polerte teksten bevarte meningen din eller en nektelse. For å prompte en agent lar de fleste poleringen være av; en bokstavelig transkripsjon er nøyaktig det du sa, og det er det du vil at agenten skal kjøre.

Hva stemmen egner seg til, lane for lane

Ikke enhver prompt vil bli sagt høyt. Etter noen måneder er fordelingen omtrent slik.

Omdirigeringer og fortsettelser: alltid stemme. «Fortsett.» «Nei, den andre konfigurasjonen.» «Legg til en test for det tomme tilfellet og kjør på nytt.» Dette er de vanligste promptene i en parallell økt, og de er alle én pust lange.

Tilbakemelding i review: mest stemme. Å lese en diff og fortelle hva som er galt med den, er naturlig. «Retry-løkken svelger feilen; logg den før sleep, og sett tak på fem forsøk.» Diktering fanger dette i taletempo mens øynene blir i koden.

Første oppgavebeskrivelse: blandet. En lang, strukturert brief med filstier og begrensninger tjener fortsatt på å skrives, eller på å diktere et grovutkast og redigere det. Stemmen er fin til prosaen; nøyaktige identifikatorer er lettere å skrive. Den egendefinerte ordboken hjelper her: legg inn prosjektets modulnavn og tilbakevendende sjargong én gang, så slutter de å bli transkribert som nærmeste engelske ord.

Alt med kode i: skrevet. Å diktere et regulært uttrykk er en dårlig opplevelse. Dikter instruksjonen («skriv et regex som matcher versjonsheaderen»), ikke artefaktet.

Ærlige begrensninger

Noen av disse er Keebyes; noen er kategoriens.

Latens ved første diktering. Mikrofonen varmes opp etter den første dikteringen i økten og holder deretter en 500 ms pre-roll. Det aller første tastetrykket på dagen kan betale en oppstartskostnad for strømmen, og et ord som sies før bufferen er i gang, kan bli kuttet. Hvorfor dikteringsapper spiser det første ordet ditt dekker mekanikken.

Nøyaktighet på identifikatorer. Variabelnavn i snake_case og interne forkortelser er der enhver talemodell sliter. Ordboken reduserer det, men fjerner det ikke. Les prompten før du trykker retur på noe destruktivt.

Sikre felt. Keebye nekter å sette inn tekst i passordfelt og sikre inndatafelt. Det er tilsiktet og av og til upraktisk når en terminal spør etter en passfrase.

Ingen stemmekommandoer. Det finnes ikke noe vokabular av typen «ny linje» eller «merk alt». Keebye er et dikteringsverktøy, ikke et lag for stemmestyring. Navigasjon mellom lanes er fortsatt et klikk eller en tastatursnarvei.

Kun macOS. Windows-bygget er ikke lansert.

Hvor du går videre

Bor agentene dine stort sett i én editor, har guidene for Cursor og Claude Code detaljene per verktøy. Velger du mellom dikteringsapper for denne arbeidsflyten, er Keebye vs Superwhisper en ærlig sammenligning som også sier hvor Superwhisper passer bedre.

Kortversjonen av alt over: parallelle agenter trenger ikke at du skriver raskere. De trenger at du slutter å være det tregeste hoppet mellom dem. Hold øynene på lanen som krever vurdering, og snakk til resten.