Один голос, десять дорожек: день на диктовке

Двое детей, три стартапа, один голос рассказывал историю происхождения: параллельные стартап-дорожки с высокими ставками, второй ребёнок младше полугода и клавиатура, которая тихо стала единой точкой отказа для всего. Та статья объясняла, почему Keebye существует. Люди продолжали задавать более практичный вопрос: а как на самом деле выглядит день?

Так вот, это тот самый день. Не типичный, потому что типичного не бывает, но реальная форма, которая повторяется. Я намеренно избегаю цифр. Я никогда не измерял прирост в процентах и не доверял бы такому измерению, если бы оно у меня было. Что я могу описать — где используется голосовой канал, где не используется и что изменилось в фактуре работы.

Про «десять дорожек». Это не бахвальство. Дорожка — это всё, что продвигается от одного моего предложения: кодовый агент посреди задачи, ревью, которого кто-то ждёт, тред в Slack, письмо юристу инвестора, черновик документа. В загруженный день открытых дорожек действительно примерно столько. Большинство из них в любой момент простаивает. Проблема в том, что те, которые просыпаются, делают это по своему расписанию, а не по моему.

Раннее утро: одна рука, три агента

День начинается раньше, чем дом, а значит — с младенцем на одной руке. Именно в этот час голос из удобства превратился в необходимость.

Три агентские дорожки уже работают с вечера, каждая в своём терминале, каждая в своём репозитории. Первое, что я делаю, — читаю, что они сделали. Чтению нужны глаза, а не руки, так что с младенцем всё в порядке. Второе — скорректировать тех, кто ушёл вбок, и вот тут клавиатура раньше проигрывала.

Теперь: клик в терминал, удержание правой ⌘, произнесённая корректировка, отпускание. «Миграция нормальная, но ты переименовал таблицу в модели и не переименовал в скрипте сидов. Почини сиды и перезапусти тесты». Текст оказывается в поле ввода. Enter. Следующая дорожка.

Есть маленькая привычка, на которую ушло время: говорить полными предложениями. Агенты с ними справляются лучше, а диктовка выдаёт их естественно, потому что люди так говорят. Телеграфный стиль, которым я раньше печатал («почини сиды, перезапусти»), был артефактом клавиатуры, а не предпочтением.

Этот час обнажает и единственную особенность первой диктовки, о которой стоит знать. Микрофон прогревается после первой диктовки за сессию и с этого момента держит пред-запись в 500 мс. Самое первое утреннее удержание может заплатить цену старта потока и обрезать слово, если начать говорить слишком рано. Я научился выдерживать паузу. Механику объясняет статья почему приложения диктовки съедают ваше первое слово; коротко — это проблема всей категории с частичным решением, а не решённая.

Позднее утро: дорожка ревью

В двух стартапах, с которыми я работаю, ревью кода ждут меня почти каждое утро. Ревью — лучший из возможных сценариев для диктовки: это чтение с редким коротким выводом в прозе, и эта проза адресована человеку.

Я читаю диф во вкладке браузера. Когда нужно оставить комментарий, кликаю в поле, удерживаю, говорю, отпускаю. Пользовательский словарь несёт идентификаторы проекта, поэтому reconnectBackoff выходит как reconnectBackoff, а не как три английских слова. Очистка по умолчанию основана на правилах: слова-паразиты и повторы уходят, моя формулировка остаётся. Для комментариев в ревью я держу опциональную доводку локальной LLM выключенной, потому что стоящая за ней защита достоверности — эвристика против серьёзной потери токенов, разрастания или повторов, а не гарантия того, что отрицание уцелело, а в ревью перевёрнутое «не» меняет вердикт.

Одна из этих команд делает ревью по-румынски. Движок Keebye на 25 языков справляется с этим на устройстве; я закрепляю язык в меню, и следующая фраза декодируется как румынская, вместе с английскими идентификаторами. Подробности — в статье диктуйте ревью кода на своём языке, включая честный список того, какие языки покрыты, а какие нет.

Ближе к полудню: человеческие дорожки

Не всякая дорожка — агент. Примерно в это время треды в Slack и письма, состарившиеся за ночь, требуют ответов, и раньше именно здесь день незаметно терял часы. Не потому, что ответы были трудными, а потому, что каждый ответ означал уход с дорожки, а у возвращения есть цена.

Голос изменил экономику ответа. Ответ в Slack на два предложения — это одно удержание клавиши, произнесённое в поле сообщения, пока глаза наполовину остаются на соседнем терминале. Письма, связанные с инвесторами, длиннее, и я по-прежнему пишу их аккуратно, но первый черновик теперь произносится, а потом правится. Проговорить черновик — быстрый способ задать форму; править его руками — там, где появляется точность.

Это и тот час, когда требование к приватности важнее всего. То, что я диктую здесь, — внутренности чужих компаний: невыпущенные продукты, разговоры о безопасности, деньги. Keebye расшифровывает на устройстве, работает с выключенным Wi-Fi после загрузки модели, держит локальную историю только из текста, которая сама удаляется через 30 дней, и не отправляет телеметрию. Развёрнутая версия того, почему для меня это было непререкаемым, — в статье куда уходит ваш голос.

День: глубокая работа и дорожки, которые просыпаются

Дни отданы дорожке, требующей настоящей мысли: дизайну, тяжёлому багу, документу, который должен быть правильным. Это набирается руками. Голос — канал управления, а не канал мышления, и трудная задача не становится легче от того, что её произнесли.

Но остальные дорожки не знают, что сейчас время глубокой работы. Агент заканчивает и задаёт вопрос. Ревьюер отвечает на мой комментарий контраргументом. Раньше каждый такой случай был решением: сломать фокус и переключить окно или дать вопросу состариться. Теперь большинство из них — взгляд и предложение. Взгляд на вопрос агента, клик, «да, но оставь старый эндпоинт живым, пока клиент не выйдет», клик назад. Окно глубокой работы остаётся в основном целым, потому что прерывание — это несколько секунд речи, а не полное переключение контекста в чужую задачу.

Хочу быть точным насчёт утверждения. Голос не делает прерывания бесплатными. Он делает механическую цену ответа достаточно малой, чтобы осталась только цена мысли, — а она и была настоящей ценой всегда.

Вечер: дорожка, тяжёлая терминалом

Один из стартапов ведёт большую часть операционной работы по SSH, в tmux, на серверах, где вставка из буфера обмена не существует как понятие. Именно здесь инструменты диктовки обычно валятся, потому что большинство из них вставляет текст.

Keebye по умолчанию тоже вставляет — с разбиением на части с учётом особенностей шелла. Для SSH и tmux я включаю опциональный режим набора, который вводит текст нажатиями клавиш Unicode вместо того, чтобы полагаться на буфер обмена. Он работает с раскладками, отличными от QWERTY, а это важно для румынской клавиатуры на одной из машин. Настройку разбирает статья диктовка, которая выживает в терминале, а компромиссы — руководство по терминалу.

Keebye также отказывается вставлять текст в поля защищённого ввода, поэтому, когда сервер просит парольную фразу, горячая клавиша не делает ничего. Иногда это раздражает и совершенно правильно.

Что не изменилось

День вроде этого можно прочитать так, будто голос решил проблему избытка дорожек. Не решил. Он решил одно конкретное узкое место: физическую цену доставки предложения на ту дорожку, которой оно нужно. Всё остальное — как было.

Мышление всё ещё узкое место для трудной работы. Чтение всё ещё занимает столько, сколько занимает. Агенты всё ещё уходят вбок и всё ещё нуждаются в корректировке, а невнятная корректировка даёт невнятный результат — произнесённая она или набранная. Голос — дополнение к рукам, а не замена; я печатаю много, просто больше не как единственное горлышко, за которым ждут все дорожки.

И у приложения есть шероховатости раннего софта. Идентификаторы слышатся неправильно. Первое слово дня иногда обрезается. Словаря голосовых команд нет, поэтому перемещение между окнами — всё ещё клик. Работает только на macOS.

Форма всей этой штуки

Старая картинка 10x-разработчика — один человек, который печатает быстрее. Картинка, которая пришла на самом деле, — один человек-дирижёр: несколько дорожек, часть автоматических, часть человеческих, и каждая ждёт предложения. В этом мире рычаг — не скорость набора. Это то, насколько дёшево вы можете доставить намерение той дорожке, которой оно нужно, в любом физическом положении, включая занятую руку.

Если ваш день такой формы, руководство для разработчиков — практическая точка входа, а если вы взвешиваете приложения диктовки под него, альтернативы Keebye — честное сравнение, где сказано, кому что подходит лучше. Пробный период — 14 дней, и он начинается с первого входа в десктопное приложение, так что настоящая неделя дорожек — ровно то, для чего он нужен.