Один голос, десять доріжок: день на диктуванні

Двоє дітей, три стартапи, один голос розповідав історію походження: паралельні стартап-доріжки з високими ставками, друга дитина, якій немає й пів року, і клавіатура, що тихо стала єдиною точкою відмови для всього. Та стаття пояснювала, чому Keebye існує. Люди й далі ставили практичніше питання: а який вигляд насправді має день?

Отже, це той самий день. Не типовий, бо типового не буває, але справжня форма, що повторюється. Я навмисне уникаю чисел. Я ніколи не міряв приріст у відсотках і не довіряв би такому вимірюванню, навіть якби воно було. Що я можу описати — де використовується голосовий канал, де ні і що змінилося у фактурі роботи.

Про «десять доріжок». Це не вихваляння. Доріжка — це все, що просувається від одного мого речення: агент для коду посеред задачі, рев’ю, на яке хтось чекає, гілка у Slack, лист юристові інвестора, чернетка документа. У завантажений день відкритих доріжок справді приблизно стільки. Більшість із них будь-якої миті простоює. Проблема в тому, що ті, які прокидаються, роблять це за власним розкладом, а не за моїм.

Ранній ранок: одна рука, три агенти

День починається раніше, ніж дім, а отже — з немовлям на одній руці. Саме в цю годину голос із зручності перетворився на необхідність.

Три агентські доріжки вже працюють із вечора, кожна у своєму терміналі, кожна в іншому репозиторії. Перше, що я роблю, — читаю, що вони зробили. Читанню потрібні очі, а не руки, тож із немовлям усе гаразд. Друге — скерувати тих, хто пішов убік, і саме тут клавіатура раніше програвала.

Тепер: клік у термінал, утримання правої ⌘, вимовлене скерування, відпускання. «Міграція нормальна, але ти перейменував таблицю в моделі й не перейменував у скрипті сідів. Полагодь сіди й перезапусти тести». Текст опиняється в полі вводу. Enter. Наступна доріжка.

Є маленька звичка, на яку пішов час: говорити повними реченнями. Агенти з ними дають раду краще, а диктування видає їх природно, бо люди так говорять. Телеграфний стиль, яким я раніше друкував («полагодь сіди, перезапусти»), був артефактом клавіатури, а не вподобанням.

Ця година оголює й ту єдину особливість першого диктування, про яку варто знати. Мікрофон прогрівається після першого диктування за сесію і відтоді тримає перед-запис у 500 мс. Найперше ранкове утримання може заплатити ціну старту потоку й обрізати слово, якщо почати говорити зарано. Я навчився витримувати паузу. Механіку пояснює стаття чому застосунки диктування з’їдають ваше перше слово; коротко — це проблема всієї категорії з частковим розв’язанням, а не розв’язана.

Пізній ранок: доріжка рев’ю

У двох стартапах, з якими я працюю, рев’ю коду чекають на мене майже щоранку. Рев’ю — найкращий можливий сценарій для диктування: це читання з рідким коротким виводом у прозі, і ця проза адресована людині.

Я читаю diff у вкладці браузера. Коли треба лишити коментар, клікаю в поле, утримую, говорю, відпускаю. Власний словник несе ідентифікатори проєкту, тож reconnectBackoff виходить як reconnectBackoff, а не як три англійські слова. Очищення типово ґрунтується на правилах: слова-паразити й повтори зникають, моє формулювання лишається. Для коментарів у рев’ю я тримаю опційне шліфування локальною LLM вимкненим, бо захист достовірності за ним — евристика проти серйозної втрати токенів, розростання чи повторів, а не гарантія того, що заперечення вціліло, а в рев’ю перевернуте «не» змінює вирок.

Одна з цих команд робить рев’ю румунською. Рушій Keebye на 25 мов дає цьому раду на пристрої; я закріплюю мову в меню, і наступна фраза декодується як румунська, разом з англійськими ідентифікаторами. Подробиці — у статті диктуйте рев’ю коду власною мовою, включно з чесним списком того, які мови покрито, а які ні.

Ближче до полудня: людські доріжки

Не кожна доріжка — агент. Приблизно в цей час гілки у Slack і листи, що постаріли за ніч, потребують відповідей, і раніше саме тут день непомітно втрачав години. Не тому, що відповіді були важкими, а тому, що кожна відповідь означала вихід із доріжки, а повернення має свою ціну.

Голос змінив економіку відповіді. Відповідь у Slack на два речення — це одне утримання клавіші, вимовлене в поле повідомлення, поки очі наполовину лишаються на сусідньому терміналі. Листи, пов’язані з інвесторами, довші, і я досі пишу їх дбайливо, але перша чернетка тепер вимовляється, а потім правиться. Проговорити чернетку — швидкий спосіб задати форму; правити її руками — там, де з’являється точність.

Це й та година, коли вимога до приватності важить найбільше. Те, що я диктую тут, — нутрощі чужих компаній: невипущені продукти, розмови про безпеку, гроші. Keebye транскрибує на пристрої, працює з вимкненим Wi-Fi після завантаження моделі, тримає локальну історію лише з тексту, яка сама видаляється за 30 днів, і не надсилає телеметрії. Розгорнута версія того, чому для мене це не обговорювалося, — у статті куди йде ваш голос.

День: глибока робота і доріжки, які прокидаються

Дні віддано доріжці, що потребує справжньої думки: дизайну, важкій ваді, документу, який мусить бути правильним. Це набирається руками. Голос — канал керування, а не канал мислення, і важка задача не стає легшою від того, що її вимовили.

Але решта доріжок не знає, що зараз час глибокої роботи. Агент завершує й ставить питання. Рев’юер відповідає на мій коментар контраргументом. Раніше кожен такий випадок був рішенням: зламати фокус і перемкнути вікно чи дати питанню постаріти. Тепер більшість із них — погляд і речення. Погляд на питання агента, клік, «так, але залиш старий ендпоїнт живим, доки клієнт не вийде», клік назад. Вікно глибокої роботи лишається переважно цілим, бо переривання — це кілька секунд мовлення, а не повне перемикання контексту в чужу задачу.

Хочу бути точним щодо твердження. Голос не робить переривання безкоштовними. Він робить механічну ціну відповіді достатньо малою, щоб лишилася сама лише ціна думки, — а вона й була справжньою ціною завжди.

Вечір: доріжка, важка терміналом

Один зі стартапів веде більшу частину операційної роботи через SSH, у tmux, на серверах, де вставлення з буфера обміну не існує як поняття. Саме тут інструменти диктування зазвичай падають, бо більшість із них вставляє текст.

Keebye типово теж вставляє — з розбиттям на частини з урахуванням особливостей шелла. Для SSH і tmux я вмикаю опційний режим набору, який вводить текст натисканнями клавіш Unicode замість того, щоб покладатися на буфер обміну. Він працює з розкладками, відмінними від QWERTY, а це важить для румунської клавіатури на одній із машин. Налаштування розбирає стаття диктування, яке витримує термінал, а компроміси — посібник для термінала.

Keebye також відмовляється вставляти текст у поля захищеного вводу, тож коли сервер просить парольну фразу, гаряча клавіша не робить нічого. Іноді це дратує і цілком правильно.

Що не змінилося

День на кшталт цього можна прочитати так, ніби голос розв’язав проблему надлишку доріжок. Не розв’язав. Він розв’язав одне конкретне вузьке місце: фізичну ціну доставки речення на ту доріжку, якій воно потрібне. Усе решта — як було.

Мислення все ще вузьке місце для важкої роботи. Читання все ще забирає стільки, скільки забирає. Агенти все ще йдуть убік і все ще потребують скерування, а невиразне скерування дає невиразний результат — вимовлене воно чи набране. Голос — доповнення до рук, а не заміна; я друкую багато, просто більше не як єдине горло, за яким чекають усі доріжки.

І в застосунку є шорсткості раннього софту. Ідентифікатори чуються неправильно. Перше слово дня іноді обрізається. Словника голосових команд немає, тож переміщення між вікнами — усе ще клік. Працює лише на Mac і Windows.

Форма всієї цієї штуки

Стара картинка 10x-розробника — одна людина, яка друкує швидше. Картинка, що прийшла насправді, — одна людина-диригент: кілька доріжок, частина автоматичних, частина людських, і кожна чекає на речення. У цьому світі важіль — не швидкість набору. Це те, наскільки дешево ви можете доставити намір тій доріжці, якій він потрібен, у будь-якому фізичному становищі, включно із зайнятою рукою.

Якщо ваш день такої форми, посібник для розробників — практична точка входу, а якщо ви зважуєте застосунки диктування під нього, альтернативи Keebye — чесне порівняння, де сказано, кому що пасує краще. Пробний період — 14 днів, і він починається з першого входу в десктопний застосунок, тож справжній тиждень доріжок — рівно те, для чого він потрібен.