一个声音，十条任务线：口述的一天

两个孩子，三家创业公司，一个声音讲的是起源：几条并行推进、赌注很高的创业任务线，一个还不到六个月的第二个孩子，以及一个悄悄变成一切的单点故障的键盘。那篇解释了 Keebye 为什么存在。之后人们不断问的是一个更实际的问题：一天到底长什么样？

那就是这一天。不是典型的一天，因为没有这种东西，但是一个反复出现的真实形状。我会故意避开数字。我从没测量过任何百分比的提升，就算测过我也不会相信。我能描述的是语音通道被用在哪里、没被用在哪里，以及工作的质地发生了什么变化。

关于“十条任务线”的说明：这不是自夸。一条任务线，是指任何靠我一句话就能往前走一步的东西 — 一个正在干活的编程智能体、一份有人在等的代码评审、一条 Slack 讨论、一封发给投资人律师的邮件、一份文档草稿。忙的日子里真的差不多有这么多是开着的。任意时刻，大多数都闲着。问题在于醒过来的那几条，是按它们自己的时间表醒的，不是按我的。

清早：一只手臂，三个智能体

一天从这个家醒来之前开始，也就是说，从一只手臂上抱着婴儿开始。就是这个钟点，把语音从方便变成了必需。

三条智能体任务线从前一晚就在跑，各在自己的终端里，各在不同的仓库里。我做的第一件事是读它们做了什么。读需要眼睛，不需要手，所以抱着婴儿没问题。第二件事是把跑偏的那几条纠回来，而这正是键盘过去要输掉的地方。

现在是：点进终端，按住右 ⌘，把纠偏说出来，松开。“迁移没问题，但你在 model 里把表名改了，seed 脚本里没改。把 seed 修一下，重跑测试。”文字落进提示框。回车。下一条任务线。

我有一个花了些时间才学会的小习惯：用完整的句子说话。智能体处理完整句子更好，而听写天然产出完整句子，因为人说话就是那样。我过去打字时那种电报式风格（“修 seed，重跑”）是键盘留下的痕迹，不是我的偏好。

这个钟点也暴露了唯一那个值得知道的“第一次听写”的怪癖。麦克风会在一次会话的第一次听写之后预热，从那以后保留 500 毫秒预滚缓冲。早上最早那一次按住可能要付流启动的成本，如果我开口太早，还可能切掉一个词。我学会了先停一拍。听写应用为什么会吃掉你的第一个词解释了机制；简版是：这是整个品类的问题，有部分缓解，不是已经解决。

上午中段：评审的那条任务线

我参与的创业公司里有两家，大多数早上都有代码评审等着我。评审是可能存在的最好的听写用例：它是阅读，偶尔输出一小段散文，而这段散文是写给人的。

我在浏览器标签页里读 diff。有地方需要留意见，就点进框里，按住，说，松开。自定义词典带着项目的标识符，所以 reconnectBackoff 出来就是 reconnectBackoff，不是三个英文词。清理默认基于规则：语气词和重复的词走掉，我的措辞留下。评审意见我把那个可选的本地 LLM 润色关着，因为它背后的忠实度防护是一道针对严重 token 丢失、失控扩写和重复的启发式判断，不是“某处否定活下来了”的保证 — 而在评审里，一个被翻转的“不”会改变结论。

其中一支团队用罗马尼亚语评审。Keebye 的 25 种语言引擎在端侧就能处理；我在托盘里锁定语言，下一次发声就按罗马尼亚语解码，连英语标识符一起。用你自己的语言口述代码评审里有细节，包括哪些语言被覆盖、哪些没有的诚实名单。

上午晚些：人的那些任务线

不是每条任务线都是智能体。差不多这个时候，隔了一夜变旧的 Slack 讨论和邮件需要回复，而过去正是这里让一天悄悄流失掉几个小时。不是因为回复难，而是因为每次回复都意味着离开一条任务线，而离开一条任务线是有再进入成本的。

语音改变了回复的经济账。一条两句话的 Slack 回答，就是一次热键按住，说进消息框里，眼睛还有一半留在旁边的终端上。跟投资人相关的邮件更长，我仍然会认真写，但第一稿现在是说出来的，然后再编辑。说，能很快把形状定下来；改，也就是打字，才是精度出现的地方。

这个钟点也是隐私要求最要紧的时候。我在这里口述的，是别人公司的内部：还没发布的产品、安全上的讨论、钱。Keebye 在端侧转写，模型下载完成后关掉 Wi-Fi 也能用，把只含文字的历史记录留在本地并在 30 天后自动删除，而且不发送任何遥测。你的声音去了哪里是“为什么这对我不可让步”的长版本。

下午：深度工作，以及那些会醒过来的任务线

下午留给真正需要动脑子的那条任务线：一个设计、一个难的 bug、一份必须写对的文档。这些是打字的。语音是一条控制通道，不是一条思考通道，而一个难题不会因为被说出来就变简单。

但其他任务线并不知道现在是深度工作时间。一个智能体干完了，问了个问题。一位评审者对我的意见回了一段反驳。以前，这里每一件都是一个决定：打断专注、切窗口，或者让它先旧着。现在大多数就是瞥一眼加一句话。瞥一眼智能体的问题，点进去，说“可以，但在客户端发版之前把老 endpoint 留着”，再点回来。深度工作的那扇窗基本完好，因为这次打断是几秒钟的说话，而不是一次彻底切进别人问题里的上下文切换。

我想把这里的说法讲精确。语音并没有让打断变成免费的。它把“回应”的机械成本压到足够小，以至于剩下的成本只剩思考 — 而思考本来就一直是真正的成本。

傍晚：偏终端的那条任务线

其中一家创业公司的很多运维工作是通过 SSH、在 tmux 里、在“剪贴板粘贴”这个概念根本不存在的服务器上做的。这正是听写工具通常会倒下的地方，因为它们大多是靠粘贴来插入文字的。

Keebye 默认也是粘贴，并为 shell 带上理解终端的分块。碰上 SSH 和 tmux，我就切到那个需要自己开启的合成按键模式：它不依赖剪贴板，而是把文字当成 Unicode 按键敲进去。它在非 QWERTY 布局上也能用，这对其中一台机器上的罗马尼亚语键盘很要紧。在终端里活下来的听写讲配置，给 macOS 终端用的语音听写讲取舍。

Keebye 也拒绝往安全输入框里插入文字，所以当服务器问口令的时候，热键什么都不做。偶尔恼人，而且完全正确。

没有变的那些

这样的一天读起来，好像语音解决了“任务线太多”这个问题。它没有。它只解决了一个具体的瓶颈：把一句话送到需要它的那条任务线上的物理成本。其他一切照旧。

难活儿的瓶颈仍然是思考。读还是要花该花的时间。智能体照样跑偏、照样需要纠回来，而一句含混的纠偏，说出来和打出来一样都会得到含混的结果。语音是手的补充，不是替代；我照样打很多字，只是不再是每条任务线都堵在后面的那个唯一关口。

而且这个应用有早期软件的粗糙。标识符会被听错。一天里第一个词有时会被切掉。没有语音命令词汇，所以在窗口之间移动仍然靠点击。它只在 macOS 上跑。

这件事的形状

关于 10x 开发者的旧图景，是一个人打字更快。真正到来的图景，是一个人在指挥：好几条任务线，有些是自动的、有些是人的，每一条都在等一句话。在那个世界里，杠杆不是打字速度，而是你能多便宜地把意图送到需要它的那条任务线上 — 无论你身处什么物理状况，包括一只手臂已经满了。

如果你的一天是这个形状，给构建者的一条真正的输入通道是实用的起点；如果你正在为它权衡各种听写应用，Keebye 替代方案总览是一份诚实的比较，会说出每一个在哪里更合适。试用是 14 天，从你第一次在桌面端登录时开始，所以一整周真实的任务线，正是它的用途。