Diktera prompter till parallella laner, lane för lane

Första gången du kör två kodagenter sida vid sida känns något fel, och det tar ett tag att sätta ord på det. Varje agent är snabb. Var och en för sig vore en tydlig vinst. Tillsammans borde de vara dubbelt så mycket vinst. I stället känns dagen mer fragmenterad än den gjorde med en enda, och du avslutar eftermiddagen med mindre klart än du väntade dig.

Skälet är inte agenterna. Det är formen på indatan de behöver. En kodagent går på prosa: ”dela upp hanteraren, behåll den publika signaturen, lägg till ett test för timeout-vägen.” Prosa är billig att tänka och dyr att leverera, för att leverera den betyder att sätta händer och uppmärksamhet i rätt fönster i rätt ögonblick. Med en agent sammanfaller det ögonblicket med din naturliga rytm. Med tre kommer ögonblicken när de kommer, och vart och ett avbryter det du var mitt uppe i.

Det här inlägget handlar om leveransproblemet, inte tankeproblemet. Det är ett praktiskt arbetsflöde för att diktera prompter in i parallella agent-laner på en Mac, med de ärliga begränsningarna inkluderade. Om du inte har läst Att styra Claude Code med rösten täcker det inlägget grunderna för en lane; det här förutsätter att du redan kör fler än en.

Varför parallella laner straffar just skrivandet

En prompt har tre kostnader: att forma den, att leverera den och att återhämta sig efteråt. Att forma den är oundvikligt och sker mestadels i huvudet. Att leverera den, när du skriver, betyder att flytta fokus till agentens terminal, hitta inmatningsraden, skriva fyrtio till åttio ord och trycka retur. Att återhämta sig betyder att komma tillbaka till det du höll på med innan agenten frågade.

Med en enda lane är leveranskostnaden liten, för du tittade förmodligen redan på den terminalen. Med parallella laner gör du det nästan aldrig. Lane ett ställer en fråga medan du läser lane tvås diff. Frågan är enkel; svaret är en mening. Men att svara betyder att lämna diffen, och när du kommer tillbaka läser du om de sista trettio raderna för att hitta var du var.

Multiplicera med varje omstyrning, varje ”ja, fortsätt”, varje ”nej, den andra filen”, och överhead ackumuleras. Parallella laner misslyckas inte för att agenter är långsamma. De misslyckas för att du blir meddelandebussen, och en meddelandebuss som fysiskt måste förflytta sig mellan fönster har fruktansvärd latens.

Rösten tar bort det mesta av leveranskostnaden. Du håller ögonen på diffen, håller in en tangent, säger meningen, släpper. Orden landar i agentens inmatningsfält. Du lämnade aldrig något.

Uppsättningen som fungerar

Här är uppsättningen, medvetet tråkig.

En hotkey, inte ett fönster. Keebye bor i menyraden och lyssnar efter en hotkey som hålls in eller trycks (Höger Command är standard; Fn och Höger Option är de andra alternativen, och Escape avbryter en pågående diktering). Det finns inget appfönster att öppna och inget läge att gå in i. Håll in, tala, släpp. Det spelar större roll än det låter: ett dikteringsverktyg som behöver ett eget fönster är bara ännu en lane.

Inmatning i fältet med fokus. Transkriptionen infogas där markören står. Som standard är det en inklistring, med terminalmedveten uppdelning så att en lång prompt inte översvämmar ett skal. Om du kör agenter i tmux eller över SSH, där inklistring beter sig illa, finns ett valfritt skrivläge som i stället matar in texten som Unicode-tangenttryck; diktering som överlever terminalen förklarar när du ska slå om det.

Batch, inte ström. Keebye transkriberar när tangenten släpps, som en yttrande. Du kommer inte att se ord dyka upp medan du talar. För promptande är det rätt avvägning: du vill att hela meningen landar på en gång, uppstädad, snarare än att se den materialiseras ord för ord medan agentens inmatning redan har en halv tanke i sig.

Allt på enheten. Transkriberingen körs lokalt (en engelsktunad standardmodell, eller en modell för 25 språk om du väljer till den). Efter modellnedladdningen fungerar den med Wi-Fi avstängt. För agentpromptande handlar det mindre om integritetsteater och mer om latens: det finns ingen tur och retur, så en kort prompt är klar nästan så fort du släpper tangenten.

En rytm för lane-byten

Arbetsflödet som blev kvar har tre vanor.

Ögonen stannar på lanen som kräver omdöme. I varje ögonblick finns en lane dit din uppmärksamhet hör hemma, vanligen en diff eller en testutskrift. Det är den lanen du läser. De andra får bara korta muntliga instruktioner. När lane två behöver ett beslut kastar du en blick, klickar in i dess inmatning, håller in tangenten, säger beslutet, släpper och klickar tillbaka. Klicket är den enda mekaniska kostnaden; själva meningen är gratis.

Prompter talas som fullständiga meningar. Agenter hanterar fullständiga meningar bättre än telegramartade fragment, och diktering producerar fullständiga meningar naturligt eftersom det är så människor talar. ”Återställ schemaändringen men behåll API-omdöpningen, kör sedan migreringen igen och visa mig utskriften” är en bra talad prompt. Den är en tråkig skriven.

Utfyllnadsord försvinner, betydelsen gör det inte. Keebyes uppstädning är regelbaserad som standard: den tar bort ”öh”, ”hm” och det upprepade ordet, och låter dina formuleringar vara. Det finns en valfri polering med lokal LLM på enheten för prydligare meningar, uppbackad av en trohetskontroll som faller tillbaka på den bokstavliga transkriptionen när den polerade versionen visar kraftig tokenförlust, expansion eller upprepning. Den kontrollen är en heuristik, inte en semantisk granskning: den verifierar inte att den polerade texten bevarade din betydelse eller en negation. För att prompta en agent lämnar de flesta poleringen av; en bokstavlig transkription är exakt vad du sa, och det är vad du vill att agenten ska köra.

Vad rösten är bra på, lane för lane

Alla prompter vill inte bli talade. Efter några månader ser fördelningen ungefär ut så här.

Omstyrningar och fortsättningar: alltid röst. ”Fortsätt.” ”Nej, den andra konfigurationen.” ”Lägg till ett test för det tomma fallet och kör om.” Det här är de vanligaste prompterna i en parallell session och de är alla en andetagslånga.

Granskningsfeedback: mestadels röst. Att läsa en diff och berätta vad som är fel med den är naturligt. ”Omförsöksslingan sväljer felet, logga det före sleep, och sätt taket på fem försök.” Diktering fångar det i taltempo medan ögonen stannar på koden.

Inledande uppgiftsbeskrivningar: blandat. En lång, strukturerad beskrivning med filsökvägar och villkor tjänar fortfarande på att skrivas, eller på att dikteras grovt och sedan redigeras. Rösten fungerar för prosan; exakta identifierare är lättare att skriva. Den egna ordlistan hjälper här: lägg in projektets modulnamn och återkommande jargong en gång, så slutar de transkriberas som sitt närmaste engelska ord.

Allt med kod: skrivet. Att diktera ett reguljärt uttryck är en dålig upplevelse. Diktera instruktionen (”skriv ett reguljärt uttryck som matchar versionshuvudet”), inte artefakten.

Ärliga begränsningar

Vissa av de här är Keebyes; vissa är kategorins.

Latens vid första dikteringen. Mikrofonen värms upp efter sessionens första diktering och behåller därefter en förbuffert på 500 ms. Dagens allra första inhållning kan betala en kostnad för strömstart, och ett ord som sägs innan bufferten gick igång kan klippas. Varför dikteringsappar äter ditt första ord täcker mekaniken.

Träffsäkerhet på identifierare. Variabelnamn i snake_case och interna förkortningar är där varje talmodell kämpar. Ordlistan minskar det men eliminerar det inte. Läs prompten innan du trycker retur på något destruktivt.

Säkra fält. Keebye vägrar mata in i lösenordsfält och säkra inmatningsfält. Det är avsiktligt och ibland obekvämt när en terminalprompt frågar efter en lösenfras.

Inga röstkommandon. Det finns inget ordförråd för ”ny rad” eller ”markera allt”. Keebye är ett dikteringsverktyg, inte ett lager för röststyrning. Navigering mellan laner är fortfarande ett klick eller en tangentbordsgenväg.

Endast macOS. Windows-bygget är inte levererat.

Vart härnäst

Om dina agenter mest bor i en editor har guiderna för Cursor och Claude Code detaljerna per verktyg. Om du väljer mellan dikteringsappar för det här arbetsflödet är Keebye vs Superwhisper en ärlig jämförelse som också säger var Superwhisper passar bättre.

Kortversionen av allt ovan: parallella agenter behöver inte att du skriver snabbare. De behöver att du slutar vara det långsammaste hoppet mellan dem. Håll ögonen på lanen som kräver omdöme och tala till resten.