Theo 如何用一只手工作：语音输入与编程智能体

手部受伤让我时常需要打石膏，打字、使用快捷键和导航都变得困难。我以前打字很快，现在不得不改变工作方式。这既是一段适应过程的个人记录，也包含一些或许能帮助其他人改变电脑操作方式的想法。

“不打字编程”更准确地说，是尽量少打字、保持工作效率。对我来说，口述函数的准确语法很别扭。语音转文字和编程智能体之所以有用，是因为我可以描述想要什么，让软件处理实现。

问题不只是写代码：单手切换应用和使用快捷键也不舒服。一个小改动是让两个窗口各露出一点边缘，而不是都全屏，这样就能用鼠标切换。我一直在寻找让另一只手少做些事的方法。

手机对我来说更容易单手操作，因为我很早就习惯了滑动输入。我也投入时间改进自己使用的工具的移动界面，包括 T3 Code，这样可以在手机上启动或查看工作。每个人的无障碍需求和合适的输入方式都不同。

语音输入能让我把想法写到屏幕上，但它本身不能切换应用或操作电脑。我也不喜欢在同事身边对着笔记本讲话。尽管我经常对着镜头说话，这种社交上的不自在仍然影响了我。

一个小型近距离麦克风改变了我的体验。我可以比想象中更轻声说话，在演示中听写工具仍能理解。我建议先用笔记本自带麦克风、以正常音量试试；独立麦克风对我最大的帮助是在办公桌前低声输入。

我购买这个麦克风时花了大约 70 美元，觉得它和软件组合处理办公室背景噪声的效果很好。在一次演示里，我边播放附近的视频边听写。这是我在特定麦克风、软件和环境下的体验，不保证其他场景也有同样的降噪效果。

我使用 Whisper Flow，对它既有赞赏也有抱怨。Ben Davis 用本地替代工具也取得了不错的效果，其他工具可能同样可用。对我最重要的变化，是终于能听写而不必担心打扰周围的人。

对我来说，用语音操作终端尤其难受，所以我基本不再直接使用它。我改用智能体和图形界面处理许多过去靠打字完成的操作。这是受伤情和工具影响形成的个人偏好，并不是说终端不适合所有人。

我电脑上有一个重要项目叫 fleet，其中记录了我的设备、用途、连接方式和安装的软件。这让智能体有足够上下文跨设备执行任务，不需要我手动输入每条命令。

例如，我正在一台电脑上下载游戏文件，想把它放到另一台电脑。我告诉智能体文件会出现在哪里、要复制到哪里，甚至在下载完成前就交代好，然后让它等待并传输。完成后它通知了我。

语音识别仍会出错：它把 Lakebed 和 Leftbook 两个名字弄混了，所以我修正了目标设备。描述目标并让智能体等待，省去了我亲自准备和跟进的一些步骤。尤其是目标出错会产生影响时，这些细节仍需要检查。

另一个例子是 T3 Code 实验性 orchestrator 的开发版本。我想试用一个分支，又不想影响自己的 nightly 版本或数据库。我没有手动找到分支、克隆并构建，而是让智能体处理这些步骤。

我在手机上口述要求：把实验分支构建成名称独立的应用，使用单独的主目录，并确保安装不影响现有应用。我准备直播后回来查看，发现定制版本已经就位。明确提出隔离要求对这个任务很重要。

还有一个个人例子：换医生时我需要转移医疗记录。我让能操作电脑的智能体从医院门户下载记录。我说整个过程约花了 20 分钟，涉及 49 份 PDF，需要反复导航、下载、验证和整理。

医生发来上传地址后，我让另一个会话上传这些文件。这是我使用自己记录和所选工具的个人经历。委派导航虽然方便，仍需考虑访问权限、隐私，以及目标地址和文件是否正确。

只能用一只手时，普通的界面操作可能慢得令人沮丧。并行运行多个智能体任务改变了我的时间安排：一个需要一小时的任务，不一定再要求我持续关注一小时。我可以启动任务，去做别的事，再回来检查结果。

我把工作看作从想法到完成结果的一条路径。过去我只在其中部分环节使用智能体，自己做很多规划和测试。渐渐地，我让它们更早参与、继续做得更远，同时仍由我决定想要什么结果。

现在我会要求智能体在汇报前，使用计算机操作、审查工具和额外检查来验证改动。我可能只给出问题，而不是详细方案，让它提出选项或提交 PR。这些检查是有用的证据，但不能保证改动没有回归。

在我的一些项目中，我也授权智能体合并。我报告 Astra 合并了 100 多个 PR，Fable 至少合并了 50 个，其中我注意到两次回归，都是动画被移除。这是我自己项目中的个人记录，并非与人类开发者进行的独立审计比较，也不是普遍失败率。

我的更大目标是让智能体更早参与，并在需要我关注前工作更久。这并不意味着速度不重要：紧急修复和交互式设计迭代仍受益于快速响应。对我不常查看的后台任务，耗时则可能没那么重要。

我提到一个 iOS 应用会话，其中快速迭代很有价值，因为我把大量工作留在同一个长会话里。其他任务，比如后台容量工作或实验，即使慢得多也不会打乱我的一天。不同任务对延迟的要求不同。

在 T3 Code 中，我可以把任务发送到新会话，同时留在输入界面继续启动下一个。这让我更容易把几个想法先交出去。语音输入演示也出现了识别错误，提醒我们在准确性重要时仍要留意结果。

我很在意语法，以前会纠正每个听写错误。我发现提示词中有错词或笔误时，模型通常仍能理解，所以我正在尝试容忍更多错误，出现混淆时再纠正。这是个人取舍；姓名、数字和重要指令可能仍需要仔细核对。

我不断寻找使用电脑时最令人烦恼的地方。浏览大量 GitHub 标签页就是一个例子。我现在让智能体概括最近相关 PR 的内容、状态和我为什么可能关心，再用 T3 Code 的应用内 PR 查看器检查改动，减少应用切换。

在智能体会话之间复制上下文，单手操作也很别扭。有时我让新智能体自己寻找最近的会话或相关信息，而不是手动复制。这可能更慢，也会消耗更多 Token，但减少了我的操作，让我能把注意力放在别处。

我建议做一个练习：在自己完成所有准备之前，先尝试向智能体描述问题，同时另行按通常方式处理。比较智能体找到的内容和自己的结果。权限和审查应符合任务要求；目的是了解哪些步骤真的可以委派。

手伤迫使我重新思考流程的两端：何时引入智能体，以及什么时候需要回来处理。我想念打字，但语音输入、小麦克风和这些工作方式让使用电脑愉快了许多。希望大家能根据自己的需要调整这些方法。