Tek Ses, On Lane: Dikteyle Geçen Bir Gün

İki çocuk, üç startup, tek ses çıkış hikâyesini anlatmıştı: yüksek bahisli paralel startup lane'leri, altı ayını doldurmamış ikinci bir çocuk ve sessizce her şeyin tek arıza noktası hâline gelmiş bir klavye. O yazı Keebye'nin neden var olduğunu açıklıyordu. İnsanlar daha pratik bir soruyu sormayı sürdürdü: bir gün gerçekte nasıl geçiyor?

İşte o gün. Tipik bir gün değil, çünkü öyle bir şey yok; ama tekrar eden gerçek bir biçim. Sayılardan bilerek kaçınacağım. Hiçbir zaman yüzdelik bir iyileşme ölçmedim ve ölçseydim de ona güvenmezdim. Anlatabileceğim şey, ses kanalının nerede kullanıldığı, nerede kullanılmadığı ve işin dokusunda neyin değiştiği.

"On lane" hakkında bir not. Bu bir övünme değil. Lane, benden gelen tek bir cümleyle ilerleyen her şey: görevin ortasındaki bir kodlama agent'ı, birinin beklediği bir kod review'u, bir Slack konusu, bir yatırımcının avukatına giden e-posta, bir doküman taslağı. Yoğun bir günde gerçekten de o civarda açık lane oluyor. Çoğu, herhangi bir anda boşta. Sorun şu ki uyananlar kendi programlarına göre uyanıyor, benimkine göre değil.

Sabahın erken saatleri: tek kol, üç agent

Gün, ev uyanmadan başlıyor; yani bir kolda bebekle başlıyor. Sesin kolaylıktan zorunluluğa geçtiği saat bu.

Üç agent lane'i önceki geceden beri çalışıyor; her biri kendi terminalinde, her biri farklı bir repoda. İlk yaptığım şey ne yaptıklarını okumak. Okumak göz ister, el değil; yani bebek gayet iyi. İkincisi, yoldan çıkmış olanları yeniden yönlendirmek — ve klavyenin kaybettiği yer tam olarak burasıydı.

Şimdi: terminale tıkla, sağ Command'a basılı tut, yönlendirmeyi söyle, bırak. "Migration iyi, ama tabloyu modelde yeniden adlandırdın, seed script'inde değil. Seed'i düzelt ve testleri tekrar çalıştır." Metin prompt'a düşüyor. Enter. Sıradaki lane.

Öğrenmesi vakit alan küçük bir alışkanlığım var: tam cümlelerle konuş. Agent'lar onlarla daha iyi çalışıyor ve dikte bunları doğal olarak üretiyor, çünkü insanlar zaten böyle konuşuyor. Eskiden yazdığım telgraf üslubu ("seed'i düzelt, tekrar çalıştır") bir klavye artefaktıydı, tercih değil.

Bu saat, ilk dikteye dair bilmeye değer tek tuhaflığı da açığa çıkarıyor. Mikrofon, oturumun ilk diktesinden sonra ısınıyor ve o andan itibaren 500 ms'lik bir ön kayıt tutuyor. Sabahın en ilk basılı tutuşu, akış başlatma maliyetini ödeyebiliyor ve çok erken konuşmaya başlarsam bir kelimeyi kırpabiliyor. Bir an beklemeyi öğrendim. Dikte uygulamaları ilk kelimeni neden yiyor mekaniği anlatıyor; kısacası bu, kısmi çözümü olan, çözülmüş sayılmayan kategorik bir sorun.

Sabahın ortası: review lane'i

Birlikte çalıştığım startup'lardan ikisinde çoğu sabah beni bekleyen kod review'ları oluyor. Review, olabilecek en iyi dikte kullanımı: arada kısa düzyazı çıktısı olan bir okuma işi ve o düzyazı bir insana yazılıyor.

Diff'i bir tarayıcı sekmesinde okuyorum. Bir şey yorum gerektirdiğinde kutuya tıklıyor, basılı tutuyor, konuşuyor, bırakıyorum. Özel sözlük projenin identifier'larını taşıyor; böylece reconnectBackoff, üç İngilizce kelime olarak değil, reconnectBackoff olarak çıkıyor. Temizleme varsayılan olarak kural tabanlı: dolgu sözcükleri ve tekrarlar gidiyor, benim ifadem kalıyor. Review yorumları için isteğe bağlı yerel LLM cilasını kapalı tutuyorum, çünkü arkasındaki sadakat koruması ciddi token kaybına, şişmeye ya da tekrara karşı bir sezgisel yöntem; olumsuzluğun hayatta kaldığının garantisi değil — ve bir review'da tersine dönmüş bir "değil" hükmü değiştirir.

Bu ekiplerden biri Romence review yapıyor. Keebye'nin 25 dilli motoru bunu cihazda hallediyor; dili tepsiden sabitliyorum ve bir sonraki konuşma, içindeki İngilizce identifier'larla birlikte Romence çözümleniyor. Kod review'larını kendi dilinde dikte et ayrıntıları, hangi dillerin kapsandığına ve hangilerinin kapsanmadığına dair dürüst listeyi de içererek veriyor.

Öğleye doğru: insan lane'leri

Her lane bir agent değil. Bu saatlerde, gece boyunca yaşlanan Slack konuları ve e-postalar cevap istiyor ve gün eskiden sessizce burada saatler kaybederdi. Cevaplar zor olduğu için değil, her cevap bir lane'i terk etmek anlamına geldiği ve lane'i terk etmenin bir geri dönüş maliyeti olduğu için.

Ses, bir cevabın ekonomisini değiştirdi. İki cümlelik bir Slack cevabı, tek bir kısayol tuşu basılı tutuşu; gözlerim hâlâ yarı yarıya yanındaki terminaldeyken mesaj kutusuna söyleniyor. Yatırımcıya yakın e-postalar daha uzun ve onları hâlâ özenle yazıyorum, ama ilk taslak artık konuşularak çıkıyor, sonra düzenleniyor. Taslağı konuşmak biçimi hızlı oturtuyor; onu yazarak düzenlemek ise hassasiyetin geldiği yer.

Gizlilik gereksiniminin en çok önem taşıdığı saat de bu. Burada dikte ettiğim şey başka şirketlerin iç dünyası: çıkmamış ürünler, güvenlik tartışmaları, para. Keebye cihazda yazıya döküyor, model indirildikten sonra Wi-Fi kapalıyken çalışıyor, yalnızca metin içeren yerel bir geçmişi 30 gün sonra kendi kendine silinecek şekilde tutuyor ve telemetri göndermiyor. Sesin nereye gidiyor bunun benim için neden pazarlık konusu olmadığının uzun hâli.

Öğleden sonra: derin çalışma ve uyanan lane'ler

Öğleden sonraları gerçek düşünme isteyen lane'e ayrılıyor: bir tasarım, zor bir bug, doğru olmak zorunda olan bir doküman. Bu yazılıyor. Ses bir kontrol kanalı, düşünme kanalı değil; zor bir problem söylenerek kolaylaşmıyor.

Ama diğer lane'ler derin çalışma zamanı olduğunu bilmiyor. Bir agent bitiriyor ve soru soruyor. Bir reviewer yorumuma karşı argümanla cevap veriyor. Eskiden bunların her biri bir karardı: odağı kır ve pencere değiştir ya da yaşlanmaya bırak. Şimdi çoğu bir bakış ve bir cümle. Agent'ın sorusuna göz atıyorum, içine tıklıyorum, "evet, ama istemci çıkana kadar eski endpoint'i yaşat" diyorum, geri tıklıyorum. Derin çalışma penceresi büyük ölçüde bozulmadan kalıyor, çünkü kesinti birkaç saniyelik konuşma; başkasının problemine tam bir bağlam geçişi değil.

Buradaki iddia konusunda net olmak istiyorum. Ses kesintileri bedava yapmıyor. Cevap vermenin mekanik maliyetini, geriye yalnızca düşünmenin maliyeti kalacak kadar küçültüyor — ki zaten asıl maliyet hep oydu.

Akşam: terminal ağırlıklı lane

Startup'lardan biri operasyonel işinin büyük kısmını SSH üzerinden, tmux içinde, panodan yapıştırmanın kavram olarak bile bulunmadığı sunucularda yürütüyor. Dikte araçları genellikle tam burada tökezliyor, çünkü çoğu metni yapıştırarak ekliyor.

Keebye de varsayılan olarak yapıştırıyor, shell'ler için terminal farkındalıklı parçalama ile. SSH ve tmux için isteğe bağlı yazma modunu açıyorum; bu mod, panoya dayanmak yerine metni Unicode tuş vuruşları olarak enjekte ediyor. QWERTY olmayan düzenlerle de çalışıyor, ki bu makinelerden birindeki Romence klavye için önemli. Terminalde hayatta kalan dikte kurulumu, terminal rehberi ise ödünleşimleri anlatıyor.

Keebye ayrıca güvenli giriş alanlarına metin eklemeyi reddediyor; yani sunucu bir parola ifadesi istediğinde kısayol tuşu hiçbir şey yapmıyor. Zaman zaman can sıkıcı ve tamamen doğru.

Değişmeyenler

Böyle bir gün, ses çok fazla lane'e sahip olma problemini çözmüş gibi okunabilir. Çözmedi. Tek bir spesifik darboğazı çözdü: bir cümleyi ona ihtiyaç duyan lane'e ulaştırmanın fiziksel maliyetini. Gerisi aynı.

Zor işlerde darboğaz hâlâ düşünmek. Okumak hâlâ ne kadar sürüyorsa o kadar sürüyor. Agent'lar hâlâ yoldan çıkıyor ve hâlâ yönlendirilmeleri gerekiyor; mırıldanılmış bir yönlendirme, söylenmiş de olsa yazılmış da olsa mırıldanılmış bir sonuç veriyor. Ses ellerin tamamlayıcısı, yerine geçen değil; bolca yazıyorum, sadece artık her lane'in arkasında beklediği tek boğaz olarak değil.

Ve uygulamanın erken yazılım pürüzleri var. Identifier'lar yanlış duyuluyor. Günün ilk kelimesi bazen kırpılıyor. Sesli komut sözlüğü yok, dolayısıyla pencereler arasında gezinmek hâlâ tıklamayla. Yalnızca macOS'ta çalışıyor.

İşin biçimi

10x geliştiricinin eski görüntüsü daha hızlı yazan tek bir insandı. Gerçekte gelen görüntü ise şefliği yapan tek bir insan: bazısı otomatik bazısı insan olan birkaç lane ve her biri bir cümle bekliyor. O dünyada kaldıraç yazma hızı değil. Kaldıraç, niyetini ona ihtiyaç duyan lane'e ne kadar ucuza ulaştırabildiğin — hangi fiziksel durumda olursan ol, bir kolun dolu olması dahil.

Günün bu biçimdeyse, geliştirici rehberi pratik başlangıç noktası; bunun için dikte uygulamalarını tartıyorsan Keebye alternatifleri her birinin nerede daha iyi oturduğunu söyleyen dürüst bir karşılaştırma. Deneme 14 gün ve ilk masaüstü girişinde başlıyor; yani gerçek bir lane haftası tam da bunun için.