Jeden hlas, desať dráh: deň s diktovaním

Dve deti, tri startupy, jeden hlas rozprávalo príbeh vzniku: paralelné startupové dráhy s vysokou stávkou, druhé dieťa mladšie ako pol roka a klávesnica, z ktorej sa potichu stal jediný bod zlyhania pre všetko. Ten text vysvetlil, prečo Keebye existuje. Ľudia sa ďalej pýtali praktickejšiu otázku: ako taký deň naozaj vyzerá?

Takže toto je ten deň. Nie typický deň, lebo nič také neexistuje, ale skutočný tvar, ktorý sa opakuje. Zámerne sa vyhnem číslam. Nikdy som nemeral percentuálne zlepšenie a ani keby áno, neveril by som mu. Čo opísať viem, je to, kde sa hlasový kanál používa, kde nie a čo sa zmenilo na textúre práce.

Poznámka k „desiatim dráham“. Nie je to chvastanie. Dráhou je čokoľvek, čo sa posunie vpred na základe jednej mojej vety: kódovací agent uprostred úlohy, revízia kódu, na ktorú niekto čaká, slackové vlákno, e-mail právnikovi investora, koncept dokumentu. V rušný deň ich naozaj býva otvorených asi toľko. Väčšina je v každom okamihu nečinná. Problém je, že tie, čo sa zobudia, sa zobudia podľa svojho harmonogramu, nie podľa môjho.

Skoré ráno: jedna ruka, traja agenti

Deň sa začína skôr než dom, čo znamená, že sa začína s bábätkom na jednej ruke. Toto je hodina, v ktorej sa hlas z pohodlia stal nevyhnutnosťou.

Tri agentné dráhy už bežia od predošlej noci, každá vo vlastnom termináli, každá v inom repozitári. Prvá vec, ktorú urobím, je prečítať si, čo urobili. Čítanie potrebuje oči, nie ruky, takže s bábätkom je to v pohode. Druhá vec je usmerniť tie, čo sa vybrali bokom — a práve tu klávesnica prehrávala.

Teraz: kliknúť do terminálu, podržať pravý ⌘, povedať korekciu, pustiť. „Migrácia je v poriadku, ale tabuľku si premenoval v modeli a nie v seed skripte. Oprav seed a spusti testy znova.“ Text pristane v prompte. Enter. Ďalšia dráha.

Mám jeden drobný návyk, ktorý mi chvíľu trvalo naučiť sa: hovoriť v celých vetách. Agentom sa s nimi darí lepšie a diktovanie ich produkuje prirodzene, lebo tak ľudia hovoria. Telegrafický štýl, ktorý som kedysi písal („oprav seed, spusti testy“), bol artefaktom klávesnice, nie preferenciou.

Táto hodina zároveň odhalí jednu vlastnosť prvého diktovania, ktorú je dobré poznať. Mikrofón sa rozohreje po prvom diktovaní v relácii a odvtedy si drží 500 ms pre-roll. Úplne prvé podržanie v to ráno môže zaplatiť náklad na naštartovanie streamu a odseknúť slovo, ak začnem hovoriť príliš skoro. Naučil som sa počkať jeden takt. Prečo diktovacie aplikácie zjedia vaše prvé slovo vysvetľuje mechaniku; krátka verzia je, že ide o problém celej kategórie s čiastočnou nápravou, nie s vyriešením.

Predpoludnie: revízna dráha

Dva zo startupov, s ktorými pracujem, majú väčšinu rán revízie kódu čakajúce na mňa. Revízia je najlepším možným prípadom použitia diktovania: je to čítanie s občasným krátkym prozaickým výstupom, a tá próza je adresovaná človeku.

Diff čítam v karte prehliadača. Keď niečo potrebuje komentár, kliknem do poľa, podržím, poviem, pustím. Vlastný slovník nesie identifikátory projektu, takže reconnectBackoff vyjde ako reconnectBackoff, a nie ako tri anglické slová. Čistenie je predvolene podľa pravidiel: výplne a zopakované slová idú preč, moje formulácie zostávajú. Voliteľné doladenie lokálnym LLM mám pri komentároch k revízii vypnuté, lebo strážca vernosti za ním je heuristika proti ťažkej strate tokenov, rozpínaniu alebo opakovaniu, nie záruka, že prežil zápor — a v revízii otočené „nie“ mení verdikt.

Jeden z tých tímov revidoval po rumunsky. 25-jazyčný engine v Keebye to zvládne na zariadení; v lište si pripnem jazyk a ďalšia výpoveď sa dekóduje ako rumunčina, aj s anglickými identifikátormi. Detaily má Diktujte revízie kódu vo vlastnom jazyku, vrátane úprimného zoznamu, ktoré jazyky pokryté sú a ktoré nie.

Neskoré predpoludnie: ľudské dráhy

Nie každá dráha je agent. Zhruba teraz potrebujú odpovede slackové vlákna a e-maily, ktoré prestáli noc — a práve tu deň potichu strácal hodiny. Nie preto, že by odpovede boli ťažké, ale preto, že každá odpoveď znamenala opustiť dráhu, a návrat do dráhy niečo stojí.

Hlas zmenil ekonomiku odpovede. Dvojvetová odpoveď v Slacku je jedno podržanie skratky, vyslovené do poľa správy, kým mám oči stále spola na termináli vedľa. E-maily blízke investorom sú dlhšie a stále ich píšem starostlivo, ale prvý koncept je dnes vyslovený a až potom upravovaný. Hovorením sa rýchlo dostane na papier tvar; písanou úpravou sa dolaďuje presnosť.

Toto je aj hodina, v ktorej najviac záleží na požiadavke na súkromie. To, čo diktujem, je vnútro cudzích firiem: nevydané produkty, bezpečnostné diskusie, peniaze. Keebye prepisuje na zariadení, po stiahnutí modelu funguje s vypnutou Wi-Fi, drží iba textovú históriu lokálne, ktorá sa po 30 dňoch sama zmaže, a neposiela žiadnu telemetriu. Kam ide váš hlas je dlhšia verzia toho, prečo to pre mňa bolo nespochybniteľné.

Popoludnie: hlboká práca a dráhy, ktoré sa zobudia

Popoludnia patria dráhe, ktorá potrebuje skutočné premýšľanie: návrh, ťažká chyba, dokument, ktorý musí sedieť. Toto sa píše. Hlas je riadiaci kanál, nie kanál na premýšľanie, a ťažký problém nezľahne tým, že ho vyslovíte.

Lenže ostatné dráhy nevedia, že je čas na hlbokú prácu. Agent skončí a spýta sa. Recenzent odpovie na môj komentár protiargumentom. Predtým bola každá z týchto vecí rozhodnutím: prerušiť sústredenie a prepnúť okno, alebo to nechať zostarnúť. Dnes je väčšina z nich pohľadom a vetou. Pozriem sa na otázku agenta, kliknem dnu, poviem „áno, ale nechaj starý endpoint nažive, kým klient nevydá,“ kliknem späť. Okno hlbokej práce zostáva väčšinou celé, lebo prerušenie je pár sekúnd reči, nie plné prepnutie kontextu do cudzieho problému.

Chcem byť v tomto tvrdení presný. Hlas nerobí prerušenia bezplatnými. Robí mechanickú cenu odpovede dosť malou na to, aby zvyšnou cenou zostala len myšlienka — a tou bola tá skutočná cena vždy.

Večer: dráha ťažká na terminál

Jeden zo startupov robí veľkú časť prevádzkovej práce cez SSH, v tmuxe, na serveroch, kde vkladanie zo schránky ako pojem neexistuje. Práve tu diktovacie nástroje zvyčajne padnú, lebo väčšina z nich text vkladá.

Keebye tiež predvolene vkladá, s delením na časti prispôsobeným shellom. Pre SSH a tmux zapínam voliteľný režim písania, ktorý text vloží ako unicodové stlačenia klávesov namiesto spoliehania sa na schránku. Funguje aj s rozloženiami mimo QWERTY, čo je dôležité pre rumunskú klávesnicu na jednom z tých strojov. Nastavenie pokrýva Diktovanie, ktoré prežije terminál a kompromisy návod pre terminál.

Keebye zároveň odmieta vkladať do zabezpečených vstupných polí, takže keď server pýta prístupovú frázu, skratka neurobí nič. Občas to hnevá a je to úplne správne.

Čo sa nezmenilo

Deň ako tento môže znieť, akoby hlas vyriešil problém priveľkého počtu dráh. Nevyriešil. Vyriešil jedno konkrétne úzke hrdlo: fyzickú cenu doručenia vety do tej dráhy, ktorá ju potrebovala. Všetko ostatné je rovnaké.

Pri ťažkej práci je úzkym hrdlom stále myslenie. Čítanie trvá presne tak dlho, ako trvá. Agenti sa stále vyberú bokom a stále potrebujú usmerniť — a zamrmlaná korekcia dá zamrmlaný výsledok, či je vyslovená alebo napísaná. Hlas dopĺňa ruky, nenahrádza ich; píšem dosť, len už nie ako jediné hrdlo, za ktorým čaká každá dráha.

A aplikácia má hrubé hrany rannej fázy softvéru. Identifikátory sa občas počujú zle. Prvé slovo dňa sa niekedy odsekne. Neexistuje slovník hlasových príkazov, takže presun medzi oknami je stále kliknutie. Beží iba na macOS.

Tvar tej veci

Starý obraz 10x vývojára bol jeden človek, ktorý píše rýchlejšie. Obraz, ktorý naozaj prišiel, je jeden človek dirigujúci: niekoľko dráh, časť automatizovaná a časť ľudská, každá čaká na jednu vetu. V takom svete nie je pákou rýchlosť písania. Je ňou to, ako lacno dokážete doručiť zámer do dráhy, ktorá ho potrebuje, v akejkoľvek fyzickej situácii sa práve nachádzate — vrátane tej s plnou jednou rukou.

Ak má váš deň takýto tvar, praktickým východiskom je návod pre vývojárov, a ak preň zvažujete diktovacie aplikácie, alternatívy ku Keebye sú úprimné porovnanie, ktoré povie, kde sa ktorá hodí lepšie. Skúšobná verzia trvá 14 dní a začína pri prvom prihlásení v desktopovej aplikácii, takže skutočný týždeň dráh je presne to, na čo je.