Å styre Claude Code med stemmen: bygging i parallelle lanes

Noe snudde stille i det siste året med AI-assistert utvikling: den tregeste delen av sløyfen er ikke lenger maskinen. Claude Code maler gjerne gjennom en refaktorering i fire minutter. Cursor skriver et utkast til en testsuite mens du ser en annen vei. Flaskehalsen er deg — nærmere bestemt hendene dine, som bare kan være i ett vindu om gangen.

Så snart du kjører mer enn én agent-lane, slutter dette å være en irritasjon og blir formen på dagen din. Lane én refaktorerer autentisering. Lane to venter på gjennomgangen din. Lane tre er en Slack-tråd der en kunde beskriver en feil dårlig. Hver eneste av de lanene kommer videre på naturlig språk — og du produserer det naturlige språket med ti fingre og ett vindu med fokus.

Det er hullet stemmen fyller. Ikke «dikter romanen din»-stemme — styrekanal-stemme. Det er den delen av vibe coding ingen demonstrerer: du genererer sjelden selve koden ved å snakke, du styrer agentene som gjør det.

Prompter er prosa, og prosa går raskere når den snakkes

Her er greia med å styre en kodeagent: inndataene er ikke kode. Det er instruksjoner. «Ta retry-logikken ut av WebSocket-håndtereren, flytt den inn i sin egen modul, og gjør taket på backoff konfigurerbart.» Det kan du skrive på tjue sekunder hvis du allerede er i vinduet, varm i trøya og ikke tenker på noe annet.

Men du er aldri i den tilstanden lenger. Du er midt i en gjennomgang i en annen lane. Du leser agentens siste diff. Du holder en kaffe. Kostnaden ved en prompt er ikke skrivetiden — det er kontekstbyttet som skal til for å få hendene og øynene i posisjon til å skrive den.

Å si prompten kollapser den kostnaden. Gi terminalen fokus, hold inne en tast, si setningen du allerede sa inni deg, og slipp. Ordene lander ved markøren, og lanen begynner å bevege seg igjen mens oppmerksomheten din vender tilbake dit den faktisk trengtes.

Arbeidsflyten, konkret

Jeg bruker Keebye til dette — det er verktøyet jeg bygde da dette problemet spiste arbeidslivet mitt, og detaljene under er dens faktiske atferd, ikke ambisjoner. Den komprimerte oppsettsjekklisten — hurtigtast, innsettingsmodus, ordliste — finnes på stemmediktering for Claude Code.

Én hurtigtast, holdt inne. Høyre ⌘ er standard. Hold den inne, snakk, slipp; den transkriberte teksten lander i det redigerbare feltet med fokus. For lengre instruksjoner slår ett enkelt trykk opptaket på til du trykker igjen. Esc avbryter. Det finnes ikke noe vindu å åpne, som er hele poenget — verktøyet har ingen lane av sitt eget.

Skrivemodus for terminaler. Claude Code bor i en terminal, og terminaler er fiendtlige mot innsetting via utklippstavlen — særlig over SSH eller inne i tmux. Keebye kan skrive teksten syntetisk i stedet for å lime den inn, med terminalbevisst takt, slik at prompten kommer frem slik tastetrykk ville gjort. Denne ene innstillingen er forskjellen mellom «søt demo» og «daglig arbeidshest» for agentarbeid — hele historien om hvorfor terminaler brekker innliming, finnes i diktering som overlever terminalen.

En ordliste for sjargongen din. Talemodeller kjenner ikke prosjektets ordforråd. En egen ordliste kobler det modellen hører til det du mente — modulnavn, kollegers navn, «pnpm», hva enn kodebasen din tvinger deg til å si igjen og igjen.

Lokal opprydding med en avgrenset heuristikk. Rå tale er full av «um» og feilstarter. Keebye fjerner fyllord og retter tegnsetting med raske regler; den valgfrie lokale LLM-poleringen faller tilbake ved kraftig tokentap, utvidelse eller gjentakelse. Den kontrollen kan ikke bevise mening eller beskytte enhver negasjon, så gå gjennom kritiske agentinstruksjoner før du sender dem.

Og fordi all tale-til-tekst kjører på enheten, forlater aldri promptene selv — de som beskriver det ulanserte produktet ditt i detalj, lane for lane — maskinen.

Hva stemmestyring faktisk er god til

Etter å ha levd med dette daglig, her er en ærlig oversikt:

Omdirigeringer. Agenten ble ferdig, og det er 80 % riktig. «Behold uttrekket, men rull tilbake omdøpingen i testfilene, og kjør suiten på nytt.» Sagt høyt er det tre sekunder. Dette er den mest verdifulle dikteringen i dagen min.

Å sette neste lane i kø. Mens lane én bygger, beskriv neste oppgave inn i lane to. Serielle hender, parallelt arbeid.

Prosaen rundt koden. PR-beskrivelser, commit-meldinger, Slack-svar på feilrapporten, e-posten du skylder noen. Gi vinduet fokus, si det, ferdig — hendene dine forlot aldri lanen de var i.

Å tenke høyt, nyttig. Noen instruksjoner blir bedre når de sies, fordi tale tvinger frem linearitet. Du kan ikke neste parenteser med munnen.

Hva det ikke er

Ærlighetsseksjon. Transkribering i Keebye er batch, ikke strøm — teksten dukker opp når du slipper tasten, ikke ord for ord. Det er fint for prompter (du snakker, så lander det som én blokk), men det betyr at dette ikke er en opplevelse med teksting i sanntid. Standardmodellen er tilpasset engelsk; flerspråklig diktering er en egen motor på enheten som dekker 25 språk — mer om hvorfor det betyr noe i diktering bør ikke bare være på engelsk. Og ingen dikteringsverktøy gjør en dårlig prompt god; stemmen fjerner friksjon, ikke behovet for å tenke.

Det finnes også andre gode verktøy på dette området — Superwhisper og Wispr Flow er de to vi får spørsmål om, og vi skrev ærlige sammenligninger av begge: Keebye vs. Superwhisper og Keebye vs. Wispr Flow.

Hvorfor dette akkumuleres

Én diktert prompt sparer sekunder. Det er ikke historien. Historien er hva de sekundene blokkerte: hver lane du kjører, kommer bare videre når du mater den, så skatten på å mate én lane er en skatt på alle. Kutt den, og du slutter å rasjonere din egen oppmerksomhet — du legger til den tredje lanen du ikke kjørte fordi den føltes som for mye overhead.

Opphavet til alt dette var mindre elegant enn et essay om arbeidsflyt: to barn, flere arbeidsstrømmer med mye på spill, og ikke nok hender. Den historien er her — To barn, tre startups, én stemme.

Keebye er i tidlig tilgang for macOS. Start den gratis prøveperioden nedenfor, pek den mot den travleste lanen din, og prøv én konkret sekvens: gjennomgå lane én, dikter en omdirigering inn i lane to, og svar så mennesket som venter i lane tre. Stemmen styrer dem ikke samtidig; den holder hver parallelle lane forsynt med lavere overleveringskostnad.