用声音驱动 Claude Code：并行任务线式的构建

在 AI 辅助开发的过去一年里，有件事悄悄反转了：这个循环里最慢的部分不再是机器。Claude Code 会心甘情愿地磨上四分钟做完一次重构。Cursor 会在你没盯着的时候起草一整套测试。瓶颈是你 — 具体说，是你的双手，它们一次只能待在一个窗口里。

一旦你同时跑起不止一条智能体任务线，这件事就不再只是烦人，而变成了你一整天的形状。一号线在重构鉴权。二号线在等你评审。三号线是一个 Slack 讨论串，一位客户正把一个 bug 描述得含糊不清。这些任务线里的每一条，都靠自然语言往前推进 — 而你正在用十根手指和一个聚焦的窗口生产这些自然语言。

这就是语音填补的那个缺口。不是“口述你的小说”那种语音 — 是控制通道式的语音。这是氛围编程里没人拿来演示的那一部分：你很少靠说话生成代码本身，你是在操控那些生成代码的智能体。

提示词是散文，而散文说出来更快

驱动一个编程智能体这件事的关键在于：输入的不是代码，是指令。“把重试逻辑从 WebSocket 处理器里拿出来，移进它自己的模块，并让退避上限可配置。”如果你已经在那个窗口里、状态热着、脑子里没别的事，这句话你二十秒就能打完。

但你再也不会处在那个状态里了。你正在另一条任务线上做评审。你正在读智能体上一次的 diff。你手里端着咖啡。一条提示词的成本不是打字时间 — 而是那次上下文切换，为了让你的手和眼睛就位去打这段字。

把提示词说出来，就把这份成本压缩掉了。聚焦终端，按住一个键，把你脑子里本来就在说的那句话说出来，松开。文字落在光标处，那条任务线重新开始跑，而你的注意力回到它真正该在的地方。

具体的工作流

我用 Keebye 做这件事 — 这个问题把我的工作生活吃掉的时候，我就做了这个工具，下面写的是它的真实行为，不是愿景。精简版的设置清单 — 热键、插入模式、词典 — 放在给 Claude Code 用的语音听写里。

一个热键，按住不放。 右 ⌘ 是默认。按住，说，松开；转写好的文字落进聚焦的可编辑输入框。对于更长的指令，轻点一次就能把录音切换为持续开启，直到你再轻点一次。Esc 中途放弃。这里没有窗口要打开，而这正是重点 — 这个工具自己不占任务线。

给终端用的模拟键入模式。 Claude Code 活在终端里，而终端对剪贴板粘贴式的插入并不友好 — 尤其是跨 SSH 或在 tmux 内部。Keebye 可以用合成方式把文字键入，而不是粘贴，并且带有终端感知的节奏控制，所以提示词到达的方式和按键一样。对智能体工作来说，这一个设置就是“可爱的演示”和“每天在用的工具”之间的分水岭 — 终端为什么会让粘贴失效，完整的来龙去脉在在终端里活下来的听写里。

一本装你术语的词典。 语音模型不认识你项目的词汇。自定义词典把模型听到的映射到你真正想说的 — 模块名、同事的名字、“pnpm”，以及你的代码库逼着你反复念叨的任何东西。

本地清理，外加一道有边界的启发式判断。 原始语音里满是 “um” 和话说一半重来。Keebye 用快速的规则剥掉语气词、修正标点；它可选的本地 LLM 润色会在出现严重的内容丢失、扩写或重复时回退。那道防护无法证明语义，也无法保护每一处否定，所以关键的智能体指令请在发送前先审阅。

而且因为所有语音转文字都在端侧运行，那些提示词本身 — 它们一条任务线一条任务线地详细描述着你尚未发布的产品 — 从不离开这台机器。

用声音驱动到底擅长什么

每天这么用下来，这是一份诚实的清单：

纠偏。 智能体做完了，而它 80% 是对的。“保留那次抽取，但把测试文件里的重命名撤回去，然后重跑一遍套件。”说出来，三秒钟。这是我一天里价值最高的听写。

给下一条任务线排队。 一号线在构建的时候，把下一个任务描述进二号线。手是串行的，工作是并行的。

代码周边的散文。 PR 描述、提交信息、对那个 bug 报告的 Slack 回复、你欠的那封邮件。聚焦窗口，说出来，完事 — 你的手从没离开它们当时所在的那条任务线。

有用地把话想出来。 有些指令说出来反而更好，因为说话逼着你线性推进。你没法用嘴巴嵌套括号里的插入语。

它不是什么

诚实环节。Keebye 里的转写是批处理式的，不是流式的 — 文字在你松开按键时出现，而不是逐字冒出来。对提示词来说这没问题（你说完，它整块落地），但这意味着这不是一种实时字幕体验。默认模型针对英语调优；多语言听写是另一个端侧引擎，覆盖 25 种语言 — 这为什么重要，更多内容在听写不该只有英语里。另外，没有哪个听写工具能把一条烂提示词变好；语音去掉的是摩擦，不是思考的必要。

这个领域里也有别的好工具 — Superwhisper 和 Wispr Flow 是我们被问得最多的两个，我们对两者都写了诚实的比较：Keebye vs Superwhisper 和 Keebye vs Wispr Flow。

为什么这件事会累积

一条口述的提示词只省下几秒钟。这不是故事的重点。重点是那几秒钟挡住了什么：你跑的每一条任务线，只有在你喂它的时候才往前走，所以喂一条任务线的税，就是对所有任务线征的税。把它砍掉，你就不必再配给自己的注意力 — 你会加上那条本来因为觉得开销太大而没跑的第三条任务线。

这一切的起源，比一篇工作流随笔要狼狈得多：两个孩子，好几条高风险的工作线，以及不够用的手。那个故事在这里 — 两个孩子，三家创业公司，一个声音。

Keebye 处于 macOS 早期访问阶段。在下方开始你的免费试用，把它对准你最忙的那条任务线，试一个具体的连续动作：评审一号线，往二号线里口述一条纠偏指令，然后回复在三号线里等着的那个人。语音并不同时控制它们；它只是让每一条并行的任务线以更低的交接成本持续有料可吃。