Diktovanie promptov paralelným agentom, dráha po dráhe

Keď prvýkrát spustíte dvoch kódovacích agentov vedľa seba, niečo sedí zle a chvíľu trvá, kým to pomenujete. Každý agent je rýchly. Každý z nich by sám o sebe bol jasnou výhrou. Spolu by mali byť dvojnásobnou výhrou. Namiesto toho je deň roztrieštenejší, než keď bežal jeden, a popoludnie končíte s menej dokončenými vecami, než ste čakali.

Dôvodom nie sú agenti. Je ním tvar vstupu, ktorý potrebujú. Kódovací agent beží na próze: „rozdeľ handler, ponechaj verejnú signatúru, pridaj test na vetvu s timeoutom.“ Próza sa myslí lacno a doručuje draho, lebo doručiť ju znamená dostať ruky aj pozornosť do správneho okna v správnej chvíli. Pri jednom agentovi sa tá chvíľa trafí do vášho prirodzeného rytmu. Pri troch prichádzajú chvíle vtedy, kedy prídu, a každá preruší to, čoho ste boli uprostred.

Tento text je o probléme doručovania, nie o probléme myslenia. Je to praktický postup na diktovanie promptov do paralelných agentných dráh na Macu, aj s úprimne priznanými limitmi. Ak ste nečítali Riadenie Claude Code hlasom, ten text pokrýva základy jednej dráhy; tento predpokladá, že už vediete viac než jednu.

Prečo paralelné dráhy trestajú práve písanie

Prompt má tri náklady: sformovanie, doručenie a následné zotavenie. Sformovanie je nevyhnutné a odohráva sa väčšinou v hlave. Doručenie znamená pri písaní prepnúť pozornosť do terminálu agenta, nájsť vstupný riadok, napísať štyridsať až osemdesiat slov a stlačiť Enter. Zotavenie znamená vrátiť sa k tomu, čo ste robili predtým, než sa agent ozval.

Pri jednej dráhe je náklad na doručenie malý, lebo ste sa na ten terminál pravdepodobne aj tak práve pozerali. Pri paralelných dráhach to takmer nikdy neplatí. Dráha jedna sa pýta otázku, kým čítate diff z dráhy dva. Otázka je ľahká, odpoveď je jedna veta. Lenže odpovedať znamená opustiť diff — a keď sa vrátite, znovu čítate posledných tridsať riadkov, aby ste našli, kde ste boli.

Vynásobte to každou korekciou, každým „áno, pokračuj“, každým „nie, ten druhý súbor“, a réžia sa nabaľuje. Paralelné dráhy nezlyhávajú preto, že agenti sú pomalí. Zlyhávajú preto, že zbernicou správ ste vy — a zbernica, ktorá sa musí fyzicky presúvať medzi oknami, má príšernú latenciu.

Hlas väčšinu nákladov na doručenie odstraňuje. Oči vám zostanú na diffe, podržíte kláves, poviete vetu, pustíte. Slová pristanú vo vstupnom poli agenta. Nikam ste neodišli.

Nastavenie, ktoré funguje

Tu je to nastavenie, zámerne nudné.

Klávesová skratka, nie okno. Keebye žije v menu bare a počúva na klávesovej skratke, ktorú buď podržíte, alebo ťuknete (predvolený je pravý ⌘; ďalšie možnosti sú Fn a pravý ⌥, a Esc zruší prebiehajúce diktovanie). Nie je čo otvárať a niet režimu, do ktorého by ste vstupovali. Podržte, hovorte, pustite. Znie to menej dôležito, než to je: nástroj na diktovanie, ktorý potrebuje vlastné okno, je len ďalšou dráhou.

Vloženie do zaostreného poľa. Prepis sa vloží tam, kde máte kurzor. Predvolene ide o vloženie zo schránky, s delením na časti prispôsobeným terminálu, aby dlhý prompt nepretiekol shell. Ak agentov púšťate v tmuxe alebo cez SSH, kde sa vkladanie správa zle, existuje voliteľný režim písania, ktorý text vloží ako unicodové stlačenia klávesov; kedy ho zapnúť, vysvetľuje Diktovanie, ktoré prežije terminál.

Dávkovo, nie prúdovo. Keebye prepisuje pri pustení klávesu, ako jednu výpoveď. Neuvidíte slová objavovať sa počas hovorenia. Pri promptovaní je to správny kompromis: chcete, aby celá veta pristala naraz a učesaná, nie sledovať, ako sa rodí slovo po slove, kým vstup agenta už obsahuje polovicu myšlienky.

Všetko na zariadení. Prepis beží lokálne (predvolený model ladený na angličtinu alebo model na 25 jazykov, ak si ho zapnete). Po stiahnutí modelu funguje aj s vypnutou Wi-Fi. Pri promptovaní agentov nejde ani tak o divadielko okolo súkromia, ako o latenciu: nie je žiadna cesta tam a späť, takže krátky prompt je pripravený takmer v okamihu, keď pustíte kláves.

Rytmus prepínania dráh

Postup, ktorý sa nakoniec ujal, má tri návyky.

Oči zostávajú na dráhe, ktorá potrebuje úsudok. V každom okamihu je jedna dráha tou, kam patrí vaša pozornosť — zvyčajne diff alebo výstup testov. Tú čítate. Ostatné dostávajú len krátke slovné inštrukcie. Keď dráha dva potrebuje rozhodnutie, pozriete sa, kliknete do jej vstupu, podržíte kláves, poviete rozhodnutie, pustíte a kliknete späť. Jediným mechanickým nákladom je to kliknutie; samotná veta je zadarmo.

Prompty sa hovoria ako celé vety. Agenti zvládajú celé vety lepšie než telegrafické útržky a diktovanie celé vety produkuje prirodzene, lebo tak ľudia hovoria. „Vráť späť zmenu schémy, ale ponechaj premenovanie API, potom znova spusti migráciu a ukáž mi výstup“ je dobrý vyslovený prompt. Napísaný je otravný.

Výplne miznú, význam nie. Čistenie v Keebye je predvolene založené na pravidlách: odstráni „ehm“, „no“, zopakované slovo, a vaše formulácie nechá na pokoji. Existuje voliteľné doladenie lokálnym LLM priamo na zariadení pre učesanejšie vety, kryté strážcom vernosti, ktorý sa vráti k doslovnému prepisu, keď učesaná verzia vykazuje ťažkú stratu tokenov, rozpínanie alebo opakovanie. Ten strážca je heuristika, nie sémantická kontrola: neoverí, že učesaný text zachoval váš význam alebo zápor. Pri promptovaní agenta väčšina ľudí doladenie necháva vypnuté; doslovný prepis je presne to, čo ste povedali, a presne to chcete, aby agent vykonal.

Na čo je hlas dobrý, dráha po dráhe

Nie každý prompt chce byť vyslovený. Po pár mesiacoch vyzerá rozdelenie zhruba takto.

Korekcie a pokračovania: vždy hlasom. „Pokračuj.“ „Nie, ten druhý config.“ „Pridaj test na prázdny prípad a spusti to znova.“ Toto sú najpočetnejšie prompty v paralelnej relácii a všetky sa zmestia do jedného nádychu.

Spätná väzba k revízii: väčšinou hlasom. Čítať diff a nahlas rozprávať, čo je na ňom zle, je prirodzené. „Ten retry cyklus prehltne chybu, zaloguj ju pred sleepom a strop pokusov daj na päť.“ Diktovanie to zachytí v tempe reči, kým vám oči zostanú na kóde.

Úvodné zadania úloh: rôzne. Dlhé štruktúrované zadanie s cestami k súborom a obmedzeniami stále ťaží z písania — alebo z nadiktovania hrubej verzie a jej následnej úpravy. Na prózu je hlas v poriadku; presné identifikátory sa ľahšie píšu. Pomáha tu vlastný slovník: pridajte doň raz názvy modulov svojho projektu a opakujúci sa žargón a prestanú sa prepisovať ako najbližšie anglické slovo.

Čokoľvek s kódom: písané. Diktovať regulárny výraz je utrpenie. Nadiktujte inštrukciu („napíš regulárny výraz, ktorý zodpovedá hlavičke s verziou“), nie artefakt.

Úprimné limity

Niektoré sú Keebye vlastné, niektoré patria celej kategórii.

Latencia prvého diktovania. Mikrofón sa rozohreje po prvom diktovaní v relácii a odvtedy si drží 500 ms pre-roll. Úplne prvé podržanie v ten deň môže zaplatiť náklad na naštartovanie streamu a slovo vyslovené skôr, než sa buffer chytil, sa môže odseknúť. Mechaniku pokrýva Prečo diktovacie aplikácie zjedia vaše prvé slovo.

Presnosť pri identifikátoroch. Názvy premenných v snake_case a interné skratky sú tam, kde má ťažkosti každý rečový model. Slovník to zmierňuje, ale neodstráni. Pri čomkoľvek deštruktívnom si prompt pred stlačením Enteru prečítajte.

Zabezpečené polia. Keebye odmieta vkladať do polí na heslá a do zabezpečených vstupov. Je to zámerné a občas nepohodlné, keď si terminál pýta prístupovú frázu.

Žiadne hlasové príkazy. Neexistuje slovník typu „nový riadok“ či „vyber všetko“. Keebye je nástroj na diktovanie, nie vrstva na hlasové ovládanie. Presun medzi dráhami je stále kliknutie alebo klávesová skratka.

Iba macOS. Zostavenie pre Windows nie je vydané.

Kam ďalej

Ak vaši agenti žijú väčšinou v jednom editore, špecifiká pre jednotlivé nástroje nájdete v návodoch Cursor a Claude Code. Ak si pre tento postup vyberáte medzi diktovacími aplikáciami, Keebye vs Superwhisper je úprimné porovnanie vrátane toho, kde sa Superwhisper hodí lepšie.

Krátka verzia všetkého vyššie: paralelní agenti nepotrebujú, aby ste písali rýchlejšie. Potrebujú, aby ste prestali byť najpomalším skokom medzi nimi. Nechajte oči na dráhe, ktorá potrebuje úsudok, a so zvyškom hovorte.