Tăng tốc lập trình bằng giọng nói: Xu hướng mới cho lập trình viên

Hướng dẫn thực tế về cách sử dụng giọng nói để xây dựng công cụ, sửa lỗi, viết bài và nhìn chung là hoàn thành công việc hiệu quả hơn.

Hai cách làm việc với giọng nói

Tôi cho rằng giọng nói có thể tham gia vào quy trình làm việc theo hai cách chính:

Sự cộng tác chủ động diễn ra khi bạn đang thực hiện công việc và biết rõ mình muốn giọng nói hỗ trợ điều gì. Bạn nói chuyện với một agent trong khi nó chỉnh sửa bản nháp hoặc điều tra một lỗi. Hoặc bạn đọc chính tả một email trong Gmail hay một tin nhắn trong Slack. Đây là trường hợp sử dụng ban đầu mà tôi đã xây dựng Monologue, ứng dụng đọc chính tả bằng giọng nói của Every.

Sự cộng tác chủ động cũng có thể diễn ra như một cuộc trò chuyện liên tục. Các mô hình giọng nói mới như GPT-Live có thể vừa nghe vừa nói cùng lúc, cho phép bạn ngắt lời, điều hướng và đặt các câu hỏi tiếp nối. Đối với những công việc phức tạp hơn, GPT-Live có thể gửi tác vụ cho một mô hình khác ở chế độ nền, tiếp tục trò chuyện với bạn và quay lại với kết quả khi đã sẵn sàng.

Các đồng nghiệp của tôi tại Every đã làm việc theo cách này: Dan Shipper gần đây đã sử dụng GPT-Live để viết và sửa đổi một bài viết dài.

Đọc chính tả hữu ích khi bạn biết mình muốn nói gì hoặc biết các từ ngữ nên đặt ở đâu, trong khi trò chuyện trực tiếp lại hiệu quả hơn khi bạn cần đặt câu hỏi và thực hiện chỉnh sửa theo thời gian thực. Trong cả hai trường hợp, bạn đều đang nói trong khi làm việc thay vì ghi âm lại để sử dụng sau.

Để thấy cách làm việc này trong thực tế, hãy tham gia cùng chúng tôi tại Voice Mode Camp, một phiên trực tiếp kéo dài một giờ, nơi đội ngũ Every sẽ trình diễn các quy trình làm việc bằng giọng nói thực tế cho việc viết lách và điều phối agent, giúp bạn bắt đầu và giải đáp các câu hỏi của bạn.

Thu thập thụ động diễn ra trước khi bạn biết các từ ngữ đó thuộc về đâu. Bạn có thể ghi lại những suy nghĩ của mình trong khi đi dạo, một phiên hỏi đáp từ cuộc họp toàn thể, hoặc một loạt các cuộc gọi với khách hàng và lưu tất cả lại làm ngữ cảnh để khai thác sau này. Những bản ghi âm này có thể kéo dài và xoay quanh nhiều chủ đề hoặc ý tưởng khác nhau; việc sắp xếp nội dung sẽ được thực hiện sau. Tôi đã thiết kế Monologue Notes, hiện có sẵn thông qua ứng dụng Monologue trên Mac, iOS và watchOS, cho kiểu thu thập thụ động này. Monologue Notes ghi âm và chuyển đổi thành văn bản các cuộc họp, cuộc gọi và những suy nghĩ lan man, sau đó lưu chúng vào một kho lưu trữ có thể tìm kiếm được. Sau đó, Codex, Claude hoặc một agent khác có thể truy xuất ngữ cảnh liên quan và biến nó thành bản nháp, kế hoạch, quyết định hoặc thay đổi mã nguồn.

Vòng lặp giọng nói agentic

Trong suốt quá trình làm việc của chính tôi và từ những ví dụ mà các đồng nghiệp đã chia sẻ, gần như mọi quy trình làm việc bằng giọng nói hữu ích đều tuân theo năm bước giống nhau. Với âm thanh đã ghi, các bước đó có thể diễn ra trong nhiều giờ hoặc nhiều ngày; trong một phiên cộng tác, chúng có thể chồng chéo và lặp lại khi bạn nói chuyện.

Trong trường hợp cuộc gọi khách hàng dài 19 phút đó, vòng lặp đầy đủ sẽ trông như thế này: Ghi âm cuộc gọi, yêu cầu Codex truy xuất bản ghi, hướng agent đến codebase phù hợp và yêu cầu chẩn đoán vấn đề cùng với một bản sửa lỗi mục tiêu. Trong một phiên trực tiếp, bạn có thể nói chuyện với Codex để giải quyết vấn đề trong khi nó đang điều tra và sửa các giả định của nó theo thời gian thực.

Biết phải nói gì

Một bản tóm tắt bằng lời nói thường nên chứa ba yếu tố: dự án bạn đang thực hiện, nơi tìm thêm ngữ cảnh và những gì bạn muốn agent tạo ra.

Những thành phần này thường đủ để giải quyết ngay cả những dự án phức tạp. Sau khi tổ chức một sự kiện ảo cho những người đăng ký Every, Austin Tedesco đã tải bản ghi sự kiện và lịch sử trò chuyện lên Codex, yêu cầu nó xem xét các luồng Slack và tài liệu Notion hỗ trợ, đồng thời sử dụng Monologue để cung cấp một bản tóm tắt bằng lời nói về các tài liệu tiếp nối mà anh ấy muốn tạo—bao gồm một kho lưu trữ đi kèm với bản ghi âm và bản ghi văn bản sự kiện, cùng với một email tiếp nối gửi cho những người tham dự.

Hãy lấy mẫu bản tóm tắt bằng lời nói này:

Đây là những gì đang xảy ra: [tình huống, quan sát hoặc vấn đề].

Truy xuất thêm ngữ cảnh từ: [ghi chú, bản ghi, luồng, thư mục, kho lưu trữ hoặc hệ thống được kết nối].

Những gì tôi muốn bạn tạo ra: [sản phẩm] cho [người, công cụ hoặc đích đến].

Các ràng buộc: [quy tắc cần tuân theo, hạn chế về những gì có thể thay đổi, thời hạn].

Kết nối ghi chú và bản ghi của bạn với agent

Kết nối công cụ ghi chú AI với agent cho phép bạn truy cập các bản ghi bằng cách yêu cầu nó lấy “cuộc gọi khách hàng từ thứ Ba tuần trước” hoặc “tất cả ghi chú của tôi về việc onboarding trong tháng này” và kết hợp chúng với ngữ cảnh từ codebase, Slack, Notion, email hoặc các công cụ được kết nối khác của bạn.

Kết nối này làm cho việc thu thập thụ động trở nên thiết thực. Bạn có thể ghi lại thứ gì đó trước khi biết thông tin đó thuộc về đâu, với sự tin tưởng rằng agent của bạn sẽ hiển thị nội dung đó khi nó trở nên liên quan.

Dù bạn sử dụng lộ trình nào, hãy kiểm tra xem agent có thể tìm thấy bản ghi theo ngày hoặc chủ đề và truy xuất toàn bộ bản ghi văn bản hay không. (Các agent rất giỏi trong việc khai thác nhiều ngữ cảnh để tìm ra những gì quan trọng, và các bản tóm tắt do AI tạo ra có thể sai hoặc bỏ sót các chi tiết chính.)

Monologue hỗ trợ truy cập agent trực tiếp thông qua bộ công cụ Monologue. Bộ công cụ này bao gồm một CLI chỉ đọc có thể liệt kê, tìm kiếm và truy xuất ghi chú, bản tóm tắt và bản ghi văn bản. Nó cũng bao gồm một kỹ năng monologue-notes giúp Codex, Claude Code và các agent có khả năng sử dụng terminal khác biết cách dùng các lệnh đó.

Thiết lập Monologue trong Codex hoặc Claude Code

Bạn có thể yêu cầu agent của mình xử lý việc cài đặt. Mở Codex hoặc Claude Code và dán câu lệnh này:

Thiết lập Monologue Notes cho tôi bằng cách sử dụng bộ công cụ chính thức:

https://github.com/EveryInc/monologue-toolkit

Đọc tệp README hiện tại. Cho tôi xem các lệnh bạn dự định chạy, sau đó cài đặt Monologue CLI và kỹ năng monologue-notes toàn cục sau khi tôi phê duyệt chúng.

Đừng yêu cầu tôi dán khóa API Monologue của mình vào cuộc trò chuyện này. Khi cần xác thực, hãy tạm dừng và hướng dẫn tôi cách tạo khóa API cá nhân trong ứng dụng Monologue và tự chạy monologue onboarding.

Sau khi tôi xác nhận rằng quá trình onboarding đã hoàn tất:

1. Xác minh kết nối bằng monologue notes list --limit 5.

2. Xác nhận rằng kỹ năng monologue-notes đã được cài đặt.

3. Cho tôi biết bạn đã cài đặt những gì và chúng nằm ở đâu.

4. Cung cấp cho tôi một câu lệnh ngôn ngữ tự nhiên mà tôi có thể sử dụng để kiểm tra việc truy xuất ghi chú.

Không hiển thị, sao chép hoặc lưu trữ khóa API của tôi trong cuộc trò chuyện hoặc các tệp dự án.

Khi agent tạm dừng, hãy mở Monologue trên máy Mac của bạn và đi tới Settings → Notes → API. Tạo một khóa API cá nhân. Sau đó mở Terminal, chạy monologue onboarding và dán khóa vào câu lệnh terminal. Bạn chỉ cần xác thực một lần duy nhất.

Sau khi agent xác minh kết nối, hãy thử: